Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

xyz-stereo-finetune2	1.16 110	0.63 161	1.50 65	0.57 1	0.36 13	3.47 212	0.65 114	2.70 137	1.23 29	0.88 77	1.75 226	0.91 92	1.76 329	3.54 274	1.74 327	0.24 35	0.22 168	0.30 176	0.27 198	0.31 133	0.26 96

RAStereo	0.75 14	0.52 48	2.86 189	0.58 2	0.62 173	1.19 17	0.32 10	1.81 43	0.99 16	0.75 39	1.05 55	0.64 26	0.47 11	0.80 4	0.94 161	0.22 12	0.20 108	0.27 106	0.21 75	0.34 195	0.22 40

xyz-stereo-finetune	1.05 90	0.62 152	1.46 60	0.59 3	0.36 13	3.48 215	0.81 212	2.69 136	1.74 216	0.94 83	1.21 79	0.91 92	0.78 82	2.53 241	1.28 237	0.24 35	0.24 228	0.26 80	0.23 119	0.30 113	0.23 48

MLG-Stereo_test3	0.60 3	0.37 1	1.12 18	0.59 3	0.57 152	2.19 92	0.31 7	1.68 32	0.56 1	0.49 3	0.51 10	0.56 16	0.33 1	0.96 14	0.54 24	0.21 6	0.17 18	0.23 17	0.16 12	0.20 6	0.21 31

LG-Stereo	0.85 41	0.60 127	2.71 180	0.59 3	0.45 74	2.85 126	0.55 66	2.41 92	1.34 48	0.59 13	1.19 75	0.43 5	0.40 4	0.76 3	0.75 85	0.20 4	0.17 18	0.31 198	0.24 143	0.29 90	0.19 4

CREStereo	0.92 56	0.53 59	1.45 59	0.61 6	0.34 9	4.42 427	0.40 27	2.21 76	1.54 134	0.94 83	1.12 65	0.87 83	0.87 105	1.12 34	0.72 76	0.28 121	0.19 74	0.22 9	0.15 4	0.22 18	0.19 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
xyz-stereo	10.85 520	0.45 17	79.01 550	0.62 7	0.45 74	83.70 552	0.77 182	2.59 125	1.34 48	2.19 318	32.02 540	2.76 352	1.62 291	5.75 322	2.39 394	0.25 56	0.17 18	0.33 253	0.21 75	0.25 37	0.19 4

trnet	0.91 55	0.48 28	1.46 60	0.62 7	0.31 4	4.40 423	0.41 30	2.20 74	1.53 125	0.94 83	1.14 68	0.88 86	0.89 110	1.09 30	0.71 71	0.27 84	0.19 74	0.22 9	0.15 4	0.21 9	0.19 4

PMTNet	0.99 79	0.48 28	1.73 83	0.62 7	0.56 141	4.20 395	0.43 38	1.88 45	1.58 157	1.00 91	1.05 55	0.78 60	0.98 133	1.50 118	0.85 117	1.21 480	0.20 108	0.23 17	0.15 4	0.22 18	0.19 4

MLG-Stereo_test2	0.76 15	0.40 6	1.07 9	0.64 10	0.82 250	3.49 218	0.23 2	1.69 33	2.14 296	0.62 20	0.32 3	0.67 34	0.33 1	1.14 39	0.37 3	0.23 23	0.19 74	0.23 17	0.16 12	0.19 2	0.20 16

MLG-Stereo	0.77 21	0.39 3	1.04 3	0.64 10	0.41 49	3.01 146	0.31 7	1.89 46	2.92 435	0.47 1	0.29 2	0.66 33	0.47 11	1.35 89	0.39 4	0.20 4	0.18 45	0.24 40	0.16 12	0.19 2	0.20 16

dual_stereo	0.68 9	0.40 6	1.05 5	0.64 10	0.37 27	0.84 6	0.34 15	3.40 215	1.03 18	0.50 4	0.46 9	0.58 17	0.40 4	1.85 182	0.49 19	0.23 23	0.17 18	0.21 5	0.16 12	0.20 6	0.19 4

rvit_stereo_0080	0.94 61	0.72 241	2.56 166	0.64 10	0.59 163	1.90 70	0.75 166	2.71 138	1.40 57	0.91 79	1.04 51	0.85 77	0.82 93	1.14 39	0.78 95	0.35 267	0.29 293	0.25 59	0.27 198	0.45 325	0.29 139

whm_eth	0.94 61	0.72 241	2.56 166	0.64 10	0.59 163	1.90 70	0.75 166	2.71 138	1.40 57	0.91 79	1.04 51	0.85 77	0.82 93	1.14 39	0.78 95	0.35 267	0.29 293	0.25 59	0.27 198	0.45 325	0.29 139

HHNet	2.48 348	0.71 238	20.52 478	0.64 10	0.64 177	4.07 351	0.93 290	3.76 273	1.56 148	2.15 303	4.92 482	0.98 103	3.37 443	1.66 151	1.79 334	0.32 219	0.20 108	0.31 198	0.27 198	0.36 226	0.42 295

MLG-Stereo_test1	0.80 27	0.39 3	1.02 2	0.65 16	1.20 360	3.14 161	0.29 6	1.59 20	3.05 449	0.50 4	0.24 1	0.67 34	0.43 6	1.33 86	0.40 5	0.21 6	0.18 45	0.23 17	0.15 4	0.19 2	0.20 16

plain	1.55 177	0.69 216	13.59 334	0.65 16	0.73 219	1.66 59	0.57 71	3.17 185	1.94 252	0.77 53	1.24 86	0.80 66	0.86 101	1.60 136	0.96 167	0.33 235	0.21 139	0.32 218	0.25 154	0.42 299	0.28 129

MaDis-Stereo	0.82 37	0.66 195	1.53 67	0.65 16	1.87 474	1.24 23	0.36 19	2.13 69	1.27 40	0.67 29	0.75 22	0.88 86	0.70 54	1.15 44	1.07 185	0.29 141	0.23 195	0.26 80	0.20 61	0.31 133	0.22 40

DIP-Stereo	1.24 131	0.69 216	1.77 88	0.65 16	0.61 169	4.29 408	0.58 80	4.44 469	2.53 382	1.98 237	1.33 108	0.91 92	0.86 101	1.25 69	1.25 227	0.36 278	0.23 195	0.32 218	0.23 119	0.32 159	0.29 139
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
111111	0.87 45	0.50 37	1.13 23	0.66 20	1.08 328	3.37 194	0.33 11	2.33 89	1.47 81	0.74 38	1.50 152	0.61 21	0.59 29	1.40 95	0.48 18	0.24 35	0.19 74	0.22 9	0.16 12	0.24 24	0.19 4

MonSter	0.62 5	0.43 14	1.07 9	0.66 20	0.82 250	1.13 13	0.39 23	2.57 121	0.92 13	0.58 12	0.64 16	0.36 2	0.35 3	0.95 10	0.43 10	0.15 1	0.15 3	0.20 1	0.17 23	0.21 9	0.19 4

U	12.82 528	0.38 2	1.99 108	0.66 20	58.94 546	63.38 551	0.34 15	1.91 51	0.94 15	0.59 13	0.80 28	0.46 9	0.57 22	0.83 5	0.44 12	0.29 141	0.17 18	63.35 549	59.81 548	0.29 90	0.20 16

LG-Stereo_L2	0.63 6	0.46 19	1.15 26	0.70 23	0.43 61	2.32 96	0.28 4	1.86 44	0.68 3	0.56 9	0.42 7	0.37 3	0.45 9	1.36 91	0.40 5	0.23 23	0.18 45	0.22 9	0.18 31	0.21 9	0.20 16

LGtest1	0.55 2	0.41 11	1.14 25	0.70 23	0.40 44	0.99 8	0.26 3	1.32 7	0.93 14	0.53 7	0.60 15	0.44 6	0.49 15	1.02 22	0.45 14	0.27 84	0.19 74	0.23 17	0.16 12	0.21 9	0.23 48

IGEV-Stereo++	0.93 58	0.44 15	1.08 13	0.70 23	1.20 360	3.87 300	0.33 11	3.36 211	1.43 66	0.75 39	1.17 72	0.68 36	1.04 145	0.95 10	0.42 7	0.22 12	0.16 7	0.23 17	0.17 23	0.24 24	0.20 16

TestStereo	2.00 258	1.02 357	12.25 321	0.70 23	0.61 169	1.88 69	0.55 66	2.31 86	1.52 118	1.41 129	1.33 108	1.27 145	0.90 113	11.62 478	0.81 105	0.34 247	0.19 74	0.33 253	0.24 143	0.44 317	0.24 62

LG-G_1	0.70 10	0.40 6	1.12 18	0.71 27	0.30 2	2.80 121	0.40 27	2.21 76	0.78 7	0.59 13	0.55 12	0.51 11	0.58 25	1.24 65	0.49 19	0.24 35	0.18 45	0.23 17	0.15 4	0.21 9	0.21 31

LG-G	0.70 10	0.40 6	1.12 18	0.71 27	0.30 2	2.80 121	0.40 27	2.21 76	0.78 7	0.59 13	0.55 12	0.51 11	0.58 25	1.24 65	0.49 19	0.24 35	0.18 45	0.23 17	0.15 4	0.21 9	0.21 31

MIF-Stereo (partial)	0.98 73	0.55 75	2.83 186	0.71 27	1.03 316	1.08 10	0.49 52	2.55 117	1.66 190	0.79 57	1.20 76	0.80 66	0.90 113	1.61 141	1.56 293	0.36 278	0.24 228	0.33 253	0.25 154	0.40 256	0.28 129

s12784h	1.31 157	0.45 17	2.41 160	0.71 27	0.35 11	4.42 427	0.50 53	4.22 399	2.73 407	2.01 256	2.48 404	0.91 92	0.96 125	2.01 195	0.70 68	0.29 141	0.18 45	0.24 40	0.16 12	0.27 62	0.18 2

DEFOM-Stereo	0.70 10	0.46 19	1.13 23	0.72 31	0.48 101	3.40 199	0.44 40	0.90 2	0.77 6	0.86 74	0.58 14	0.45 8	0.43 6	1.76 166	0.43 10	0.24 35	0.18 45	0.22 9	0.16 12	0.21 9	0.20 16

rvit_stereo_0081_aga	0.81 35	0.75 272	1.84 94	0.72 31	0.73 219	1.21 18	0.63 102	1.92 52	1.39 54	0.87 76	0.80 28	0.79 64	0.69 52	1.27 74	0.69 62	0.35 267	0.29 293	0.26 80	0.25 154	0.40 256	0.27 110

LG-Stereo_L1	0.61 4	0.47 22	1.10 16	0.73 33	0.49 107	1.72 60	0.33 11	1.95 55	0.65 2	0.56 9	0.40 6	0.40 4	0.43 6	1.40 95	0.42 7	0.23 23	0.19 74	0.23 17	0.18 31	0.21 9	0.19 4

AIO-Stereo	0.76 15	0.54 69	1.07 9	0.73 33	0.40 44	1.28 32	0.82 216	2.26 82	1.49 97	0.70 32	1.58 174	0.89 88	0.45 9	1.03 23	0.55 25	0.24 35	0.18 45	0.25 59	0.20 61	0.26 50	0.21 31

DRaft	2.28 301	0.56 86	2.64 177	0.74 35	0.46 83	3.94 317	1.23 371	2.32 88	1.55 142	2.64 418	2.80 436	1.60 189	5.34 482	6.96 353	10.99 488	0.34 247	0.22 168	0.27 106	0.27 198	0.29 90	0.37 244

AIO_rvc	0.78 24	0.55 75	1.25 36	0.75 36	0.65 185	1.46 45	0.99 315	2.13 69	1.52 118	0.57 11	1.15 69	1.09 115	0.55 19	1.15 44	0.53 23	0.24 35	0.17 18	0.24 40	0.17 23	0.25 37	0.21 31

Selective-IGEV	0.80 27	0.52 48	1.05 5	0.75 36	0.61 169	1.31 35	0.82 216	2.60 126	1.41 60	0.82 63	1.64 193	0.71 47	0.62 37	1.22 63	0.64 39	0.22 12	0.19 74	0.24 40	0.18 31	0.25 37	0.20 16

GMOStereo	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

error version	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

test-v	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

Patchmatch Stereo++	1.25 135	0.65 184	2.06 124	0.75 36	0.37 27	4.68 472	0.76 169	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.14 180	2.44 226	0.90 141	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.24 131	0.65 184	2.03 112	0.75 36	0.37 27	4.68 472	0.73 144	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.13 174	2.18 213	0.87 130	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

ROB_FTStereo_v2	1.23 126	0.66 195	2.02 111	0.75 36	0.37 27	4.67 471	0.76 169	2.53 107	1.58 157	1.99 242	1.46 140	1.78 217	1.14 180	2.08 199	0.88 134	0.48 385	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

ROB_FTStereo	1.25 135	0.66 195	2.14 130	0.75 36	0.37 27	4.65 468	0.77 182	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.13 174	2.26 222	0.86 124	0.47 381	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

HUI-Stereo	1.25 135	0.66 195	2.33 152	0.75 36	0.37 27	4.68 472	0.78 186	2.53 107	1.58 157	1.99 242	1.46 140	1.79 224	1.13 174	2.17 211	0.85 117	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

iGMRVC	1.26 142	0.66 195	2.14 130	0.75 36	0.37 27	4.66 469	0.74 156	2.53 107	1.58 157	1.99 242	1.46 140	1.78 217	1.14 180	2.46 228	0.92 151	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

iRAFT	1.25 135	0.65 184	2.06 124	0.75 36	0.37 27	4.68 472	0.76 169	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.14 180	2.44 226	0.90 141	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

test-2	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

RAFT-IKP	1.25 135	0.66 195	2.23 141	0.75 36	0.37 27	4.64 466	0.74 156	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.13 174	2.22 219	0.92 151	0.48 385	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

LG-Stereo_Zeroshot	0.89 50	0.47 22	2.08 127	0.76 50	0.73 219	3.91 305	0.41 30	2.07 65	1.07 21	0.77 53	0.89 35	0.64 26	0.86 101	0.95 10	0.77 94	0.26 69	0.18 45	0.26 80	0.19 47	0.32 159	0.32 183

StereoAnything_RVC	0.94 61	2.66 481	2.20 134	0.76 50	0.34 9	1.18 16	0.39 23	2.31 86	0.69 4	0.51 6	0.34 4	0.32 1	0.89 110	1.57 128	0.35 1	0.32 219	0.16 7	0.23 17	0.15 4	3.31 501	0.18 2

TANstereo	1.01 83	0.55 75	1.73 83	0.76 50	0.36 13	4.04 343	0.38 21	1.48 13	1.62 180	2.03 265	2.10 338	0.84 73	0.93 120	0.98 17	0.62 33	0.28 121	0.36 351	0.23 17	0.20 61	0.25 37	0.46 326

DeepStereo_RVC	1.55 177	0.63 161	3.32 208	0.77 53	0.42 55	4.49 439	0.72 139	2.50 105	1.58 157	2.02 261	1.81 261	1.54 182	6.38 497	1.73 162	1.19 209	0.46 372	0.22 168	0.29 156	0.28 227	0.35 213	0.38 259

4D-IteraStereo	1.97 252	0.84 311	20.43 476	0.78 54	1.56 432	2.09 86	1.05 330	2.43 97	1.56 148	1.41 129	1.00 43	1.94 249	0.61 35	1.22 63	1.06 182	0.27 84	0.18 45	0.31 198	0.26 172	0.27 62	0.23 48

HCRNet	1.60 190	0.56 86	2.47 162	0.78 54	1.36 393	4.11 359	0.71 136	3.57 238	2.79 415	1.75 182	1.61 186	1.58 186	1.41 234	5.79 323	1.56 293	0.34 247	0.28 283	0.36 305	0.29 255	0.33 177	0.37 244

FoundationStereo	0.50 1	0.39 3	1.11 17	0.79 56	0.42 55	0.70 3	0.36 19	0.76 1	0.80 9	0.62 20	0.38 5	0.73 53	0.77 74	0.69 1	0.36 2	0.26 69	0.17 18	0.23 17	0.16 12	0.18 1	0.20 16

DEmStereo	2.97 409	0.58 108	13.42 330	0.79 56	0.51 113	3.84 288	1.84 440	2.42 95	1.60 173	2.25 341	2.74 429	2.03 267	6.04 489	6.79 351	12.80 497	0.35 267	0.26 262	0.26 80	0.27 198	0.27 62	0.37 244

AIO_test	0.76 15	0.47 22	1.31 44	0.81 58	0.70 211	1.36 38	0.88 258	1.40 9	1.45 68	0.55 8	0.95 39	1.81 232	0.58 25	1.16 46	0.46 16	0.27 84	0.17 18	0.24 40	0.19 47	0.24 24	0.21 31

IGEV-RUCA	0.90 53	0.53 59	1.05 5	0.81 58	0.74 224	3.89 302	0.80 203	1.92 52	1.41 60	0.96 89	0.71 18	0.70 40	0.73 61	1.30 82	0.68 55	0.29 141	0.20 108	0.25 59	0.19 47	0.43 309	0.34 210

CAS++	0.89 50	0.64 174	1.46 60	0.81 58	0.51 113	1.24 23	0.86 236	3.44 217	1.46 76	1.14 107	1.29 102	0.62 23	0.58 25	1.13 37	0.59 29	0.34 247	0.30 306	0.34 271	0.26 172	0.41 280	0.29 139
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CASnet	0.78 24	0.51 42	1.29 43	0.81 58	0.29 1	1.28 32	0.74 156	1.51 15	1.89 245	1.64 158	1.09 61	0.65 30	0.64 42	0.91 7	0.76 89	0.29 141	0.17 18	0.41 352	0.31 289	0.32 159	0.19 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fff	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 368	0.57 71	4.23 403	2.09 281	2.30 352	1.80 249	1.19 134	3.02 427	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

iRaft-Stereo_5w	2.10 273	0.83 307	8.57 276	0.81 58	0.76 229	3.21 166	0.84 224	3.71 267	1.65 188	1.56 144	2.50 406	2.20 284	2.23 385	9.13 389	2.01 361	0.38 303	0.19 74	0.35 290	0.27 198	0.45 325	0.39 265

STrans-v2	3.03 419	0.77 280	20.91 493	0.81 58	0.63 175	3.89 302	1.01 319	4.27 421	2.64 397	2.28 346	3.70 468	4.13 448	5.20 479	7.33 356	1.27 233	0.31 199	0.18 45	0.29 156	0.25 154	0.29 90	0.41 291

csc	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 368	0.57 71	4.23 403	2.09 281	2.30 352	1.80 249	1.19 134	3.02 427	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

cscssc	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 368	0.57 71	4.23 403	2.09 281	2.30 352	1.80 249	1.19 134	3.02 427	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

111	1.83 225	0.92 332	9.08 283	0.81 58	0.36 13	4.25 400	0.91 275	4.44 469	2.70 404	2.39 380	1.96 305	2.30 294	1.64 307	1.28 75	1.82 336	0.28 121	0.22 168	0.24 40	0.20 61	0.31 133	0.54 369

fffft	0.76 15	0.47 22	1.28 42	0.82 68	0.54 131	1.51 50	0.80 203	2.09 67	1.18 25	0.63 22	0.84 31	0.59 19	0.55 19	1.80 172	0.85 117	0.19 2	0.18 45	0.27 106	0.20 61	0.26 50	0.24 62
1: 1. 1
Occ-G	0.86 42	0.52 48	1.39 54	0.82 68	0.66 191	1.37 39	0.79 193	1.58 19	1.31 45	1.56 144	0.87 33	2.18 283	0.89 110	0.97 15	0.88 134	0.26 69	0.19 74	0.26 80	0.19 47	0.25 37	0.24 62

IGEV-BASED-STEREO-	1.09 95	3.30 489	2.61 172	0.82 68	0.38 38	1.27 27	0.62 100	1.51 15	1.29 42	0.91 79	0.92 37	0.65 30	0.57 22	1.08 29	0.59 29	1.55 494	0.15 3	0.32 218	0.28 227	1.10 467	1.98 494

DCANet-4	1.96 250	0.51 42	14.31 352	0.82 68	0.40 44	4.16 378	0.57 71	4.29 429	2.98 443	2.30 352	1.80 249	1.03 110	1.54 278	1.44 104	1.44 264	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

ADStereo(finetuned)	2.04 265	0.73 252	13.28 328	0.82 68	0.40 44	4.16 378	0.59 81	4.25 413	2.97 440	2.35 370	1.84 273	1.18 130	3.40 444	1.52 122	1.54 290	0.29 141	0.24 228	0.23 17	0.18 31	0.30 113	0.51 356

IPLGR	2.53 357	0.58 108	20.46 477	0.82 68	0.52 122	4.56 456	0.50 53	4.30 437	2.38 354	1.87 203	1.53 162	1.68 198	1.72 324	6.95 352	1.15 200	0.28 121	0.21 139	0.27 106	0.23 119	0.33 177	0.32 183

CrosDoStereo	5.24 487	0.60 127	20.23 462	0.82 68	0.51 113	3.39 196	18.11 532	3.82 285	2.27 321	1.98 237	8.74 502	1.96 256	6.96 501	7.35 357	26.35 535	0.30 180	0.22 168	0.30 176	0.28 227	0.33 177	0.38 259

DeepStereo_LL	5.24 487	0.60 127	20.23 462	0.82 68	0.51 113	3.39 196	18.11 532	3.82 285	2.27 321	1.98 237	8.74 502	1.96 256	6.96 501	7.35 357	26.35 535	0.30 180	0.22 168	0.30 176	0.28 227	0.33 177	0.38 259

CRE-IMP	1.23 126	0.61 142	2.14 130	0.82 68	0.39 41	4.54 448	0.83 221	2.63 129	1.55 142	1.95 229	1.46 140	1.87 244	0.96 125	1.48 115	1.33 248	0.45 367	0.21 139	0.31 198	0.26 172	0.41 280	0.31 174

DCANet	1.74 212	0.73 252	9.08 283	0.82 68	0.40 44	4.18 386	0.59 81	4.25 413	2.97 440	2.35 370	1.84 273	1.18 130	1.63 304	1.51 120	1.55 291	0.29 141	0.24 228	0.23 17	0.18 31	0.30 113	0.53 363

SCV_C0	0.89 50	0.59 115	1.96 107	0.83 78	0.44 67	1.24 23	0.64 105	3.33 209	1.66 190	0.82 63	1.20 76	0.73 53	0.66 48	1.62 142	0.66 48	0.32 219	0.21 139	0.24 40	0.20 61	0.28 78	0.23 48

mms	0.77 21	0.68 213	1.17 27	0.83 78	0.71 213	1.41 42	0.67 118	1.61 21	1.12 22	0.77 53	1.37 121	0.63 25	0.54 18	1.75 165	0.63 36	0.24 35	0.19 74	0.26 80	0.21 75	0.31 133	0.34 210

RSM	0.80 27	0.50 37	1.08 13	0.83 78	0.51 113	1.31 35	0.77 182	2.28 85	1.43 66	0.82 63	1.44 137	1.22 140	0.62 37	1.17 53	0.63 36	0.22 12	0.18 45	0.24 40	0.19 47	0.27 62	0.20 16

PCWNet_CMD	2.23 288	0.65 184	17.36 392	0.83 78	0.76 229	3.51 225	0.64 105	3.60 241	1.97 255	1.70 171	1.63 191	3.22 387	3.05 430	2.09 202	1.11 194	0.31 199	0.36 351	0.47 381	0.26 172	0.64 402	0.47 331

anonymousdsp	0.95 67	0.69 216	1.27 40	0.83 78	0.52 122	4.54 448	0.84 224	1.76 38	1.24 31	0.76 49	1.06 57	0.78 60	0.77 74	1.67 155	0.69 62	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.26 96

GLC_STEREO	0.76 15	0.52 48	1.12 18	0.83 78	0.33 8	1.86 68	0.82 216	1.46 12	1.38 53	0.95 87	1.04 51	0.68 36	0.72 57	0.97 15	0.80 100	0.23 23	0.25 249	0.32 218	0.25 154	0.32 159	0.30 165

Anonymous3	1.72 209	0.76 277	11.61 317	0.83 78	0.84 260	4.46 431	0.84 224	3.57 238	1.16 23	1.34 117	1.37 121	1.11 120	1.03 141	1.58 129	1.13 198	0.70 450	0.58 450	0.33 253	0.35 331	0.47 340	0.42 295

CREStereo++_RVC	1.02 87	0.49 35	1.54 70	0.83 78	0.55 137	4.01 338	0.31 7	1.63 27	1.99 258	1.63 155	2.13 347	0.84 73	0.65 45	0.88 6	0.70 68	0.27 84	0.15 3	0.23 17	1.22 493	0.24 24	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
GMStereo	1.01 83	1.00 355	2.86 189	0.83 78	0.45 74	1.47 46	0.57 71	1.89 46	2.11 291	1.52 139	1.24 86	0.87 83	0.74 65	1.58 129	0.94 161	0.40 321	0.21 139	0.30 176	0.30 273	0.47 340	0.36 230
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HART	1.03 88	0.85 315	3.13 199	0.84 87	0.38 38	1.17 15	0.42 33	3.54 234	1.47 81	1.08 100	2.17 354	1.48 174	0.57 22	1.37 94	0.74 82	0.23 23	0.18 45	0.28 135	0.21 75	0.32 159	0.24 62

Pointernet	0.88 47	0.44 15	2.26 143	0.84 87	0.37 27	2.29 95	0.38 21	3.06 175	1.46 76	0.66 27	1.39 126	0.91 92	0.73 61	1.01 21	0.72 76	0.23 23	0.19 74	0.20 1	0.18 31	0.19 2	0.20 16

WCG-NET（raft）	0.95 67	0.55 75	1.20 32	0.84 87	0.31 4	1.44 43	1.01 319	1.55 18	2.37 349	1.64 158	1.42 133	2.38 303	1.01 138	1.29 78	0.76 89	0.22 12	0.19 74	0.22 9	0.20 61	0.25 37	0.21 31

ff7	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 451	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

ffff	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 451	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

11t	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 451	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

LoS_RVC	0.94 61	1.30 413	1.31 44	0.84 87	1.63 443	2.02 77	0.59 81	1.51 15	1.36 51	0.81 61	1.33 108	0.84 73	0.88 106	1.36 91	0.73 78	0.21 6	0.17 18	0.20 1	0.14 2	0.20 6	1.45 480

ccc-4	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 451	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

test_4	1.30 153	0.50 37	6.16 254	0.84 87	0.45 74	1.61 56	1.12 348	2.14 71	1.42 62	1.52 139	2.31 388	1.84 239	0.79 85	2.52 239	1.19 209	0.27 84	0.17 18	0.29 156	0.29 255	0.29 90	0.25 72

IGEV-Stereo	0.95 67	0.69 216	1.27 40	0.84 87	0.52 122	4.54 448	0.84 224	1.76 38	1.24 31	0.75 39	1.06 57	0.79 64	0.77 74	1.68 156	0.69 62	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.26 96
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MSMDNet	2.23 288	0.64 174	17.32 388	0.84 87	0.75 226	3.53 229	0.64 105	3.61 244	1.98 257	1.71 175	1.64 193	3.22 387	2.99 424	2.08 199	1.11 194	0.31 199	0.37 364	0.45 373	0.26 172	0.62 394	0.45 316

ccs_rob	2.13 278	0.67 205	15.11 365	0.84 87	0.75 226	3.96 327	0.65 114	3.95 323	1.78 223	1.88 206	1.79 246	3.26 391	1.64 307	2.51 234	1.16 203	0.31 199	0.36 351	0.54 425	0.27 198	0.65 405	0.45 316

SGD-Stereo	0.65 8	0.41 11	1.06 8	0.85 99	0.31 4	2.44 104	0.46 45	1.09 3	0.69 4	0.84 71	0.52 11	0.55 15	0.53 16	1.49 117	0.46 16	0.31 199	0.14 2	0.25 59	0.18 31	0.23 20	0.20 16

castereo	0.82 37	0.70 226	1.04 3	0.85 99	0.50 111	1.29 34	0.91 275	3.22 190	1.20 27	0.83 69	1.24 86	0.72 49	0.91 115	1.00 20	0.67 52	0.26 69	0.16 7	0.25 59	0.20 61	0.24 24	0.21 31

GCAP-Stereo	0.93 58	0.68 213	1.35 51	0.85 99	0.41 49	3.61 248	0.52 60	2.20 74	1.50 102	1.11 105	1.04 51	1.17 126	0.84 97	1.11 32	0.71 71	0.25 56	0.20 108	0.27 106	0.18 31	0.28 78	0.23 48

CFNet_pseudo	2.12 276	0.67 205	15.14 366	0.85 99	0.74 224	3.95 322	0.64 105	3.95 323	1.78 223	1.90 213	1.79 246	3.27 392	1.62 291	2.51 234	1.16 203	0.31 199	0.36 351	0.53 418	0.27 198	0.63 395	0.44 310

ours_stereo	0.76 15	0.64 174	1.40 56	0.86 103	0.61 169	1.12 12	0.57 71	1.63 27	1.20 27	0.72 36	1.43 135	0.70 40	0.62 37	1.56 126	0.58 28	0.25 56	0.18 45	0.26 80	0.21 75	0.29 90	0.31 174

IGEV-Stereo+	0.94 61	0.47 22	1.19 28	0.86 103	2.02 484	1.40 41	0.39 23	1.17 6	0.88 11	0.61 18	0.44 8	0.47 10	0.79 85	2.14 207	0.42 7	0.27 84	0.19 74	0.22 9	0.17 23	2.26 496	2.41 501

LoS	0.94 61	0.52 48	1.88 97	0.86 103	0.36 13	4.15 368	0.51 57	2.18 73	1.45 68	0.97 90	0.88 34	0.62 23	0.79 85	1.59 134	0.86 124	0.26 69	0.19 74	0.24 40	0.16 12	0.21 9	0.20 16
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.82 37	0.71 238	1.50 65	0.86 103	0.45 74	1.78 62	0.83 221	1.75 37	1.28 41	0.66 27	1.13 67	0.78 60	0.76 72	1.66 151	0.71 71	0.24 35	0.20 108	0.25 59	0.23 119	0.29 90	0.25 72

THIR-Stereo	4.14 468	0.82 304	10.85 309	0.86 103	0.43 61	2.16 89	16.77 530	3.22 190	1.54 134	2.04 268	12.05 520	2.68 337	7.53 506	7.30 355	12.62 496	0.30 180	0.21 139	0.29 156	0.28 227	0.33 177	0.41 291

rvit_stereo_0083	0.86 42	0.67 205	1.42 57	0.87 108	0.65 185	1.23 19	0.64 105	1.67 30	2.28 324	0.79 57	0.93 38	0.93 98	1.07 159	1.46 112	0.75 85	0.32 219	0.36 351	0.30 176	0.26 172	0.33 177	0.28 129

BUS	1.49 176	0.59 115	1.94 103	0.87 108	0.85 261	4.50 442	0.76 169	4.48 475	1.88 241	2.93 441	1.83 268	3.63 425	0.97 128	1.60 136	1.17 206	0.34 247	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

BSDual-CNN	1.46 172	0.59 115	1.94 103	0.87 108	0.85 261	4.16 378	1.16 356	4.48 475	1.88 241	2.93 441	1.83 268	2.60 331	1.31 213	1.60 136	1.21 216	0.34 247	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

hknet	1.98 254	0.64 174	8.70 280	0.87 108	1.07 326	4.16 378	1.16 356	4.48 475	1.73 210	2.93 441	1.83 268	3.48 408	1.30 212	3.91 287	1.51 286	0.31 199	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

CroCo-Stereo	0.98 73	0.87 320	3.44 212	0.87 108	0.53 130	0.49 1	0.50 53	3.99 336	1.49 97	0.81 61	1.25 92	1.00 106	0.75 67	1.10 31	1.09 190	0.24 35	0.21 139	0.24 40	0.19 47	0.35 213	0.27 110
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MoCha-V2	0.87 45	0.48 28	1.87 96	0.88 113	0.32 7	1.37 39	0.55 66	2.71 138	1.42 62	0.92 82	1.75 226	0.65 30	1.17 189	1.45 108	0.57 26	0.21 6	0.21 139	0.20 1	0.19 47	0.24 24	0.23 48

knoymous	1.30 153	0.60 127	5.57 251	0.88 113	0.75 226	3.04 147	0.90 267	2.68 134	1.33 47	1.48 135	1.07 59	2.78 354	0.88 106	1.29 78	0.85 117	0.31 199	0.22 168	0.35 290	0.20 61	0.45 325	0.37 244

AnonymousM	1.22 125	1.32 419	0.97 1	0.88 113	0.56 141	4.03 342	0.69 128	2.41 92	1.68 194	1.48 135	1.31 106	1.15 124	1.00 136	1.18 58	0.73 78	0.32 219	0.40 384	2.07 499	1.70 501	0.24 24	0.22 40

SFCPSM	2.18 283	0.63 161	17.03 387	0.88 113	0.98 303	3.74 268	1.28 377	4.09 366	2.16 300	1.85 196	1.83 268	1.65 194	1.39 225	2.50 231	1.50 280	0.33 235	0.27 273	0.39 336	0.36 341	0.34 195	0.37 244

S2M2	0.64 7	0.55 75	1.07 9	0.89 117	0.54 131	1.08 10	0.20 1	1.16 5	1.37 52	0.59 13	0.81 30	0.86 81	0.47 11	0.70 2	0.65 43	0.31 199	0.33 331	0.27 106	0.27 198	0.36 226	0.31 174

Reg-Stereo(zero)	1.60 190	0.42 13	10.69 306	0.89 117	0.68 203	3.27 181	0.47 50	2.27 83	1.54 134	1.48 135	1.24 86	2.55 326	2.68 412	1.48 115	1.10 191	0.19 2	0.19 74	0.22 9	0.18 31	0.24 24	0.26 96

AIO-test1	2.18 283	0.66 195	18.95 421	0.89 117	1.48 417	3.40 199	0.97 308	4.19 390	1.68 194	0.86 74	1.35 116	0.99 104	0.75 67	4.47 296	1.27 233	0.23 23	0.23 195	0.28 135	0.33 308	0.31 133	0.35 224

tt45	0.96 71	0.48 28	1.19 28	0.89 117	0.66 191	3.91 305	0.76 169	1.90 49	1.26 39	0.70 32	1.30 104	0.71 47	0.63 40	2.59 246	0.74 82	0.22 12	0.17 18	0.28 135	0.23 119	0.27 62	0.27 110

UGAM	2.58 368	0.56 86	18.55 414	0.89 117	0.71 213	3.23 170	1.03 324	2.75 144	1.75 218	1.36 120	2.77 433	2.69 338	1.28 206	10.75 439	1.40 255	0.28 121	0.24 228	0.40 342	0.31 289	0.35 213	0.30 165

CFNet_ucs	2.36 329	0.68 213	18.42 412	0.89 117	0.81 242	3.85 295	0.68 123	4.29 429	2.37 349	2.09 278	2.04 323	3.31 396	1.24 202	2.63 249	1.14 199	0.36 278	0.45 409	0.56 428	0.29 255	0.66 410	0.49 341

MIPNet	2.33 315	0.71 238	19.82 443	0.89 117	0.56 141	4.76 490	0.61 88	4.32 444	2.37 349	1.83 194	1.48 150	1.48 174	1.98 361	2.63 249	1.44 264	0.29 141	0.20 108	0.26 80	0.23 119	0.30 113	0.39 265

GMM-Stereo	2.45 340	0.52 48	20.38 472	0.89 117	0.82 250	4.18 386	1.91 442	2.45 99	1.48 89	2.48 391	2.30 381	1.69 203	1.86 351	2.93 261	1.08 187	0.28 121	0.18 45	0.33 253	0.48 414	0.35 213	2.41 501

ARAFT	2.56 364	1.13 381	19.50 435	0.89 117	0.48 101	4.15 368	1.40 395	4.36 455	2.82 427	2.36 374	1.88 287	1.70 205	1.04 145	6.45 338	1.22 219	0.29 141	0.18 45	0.37 317	0.35 331	0.35 213	0.25 72

HUF	1.15 106	0.64 174	8.62 279	0.90 126	0.35 11	1.35 37	0.78 186	1.97 56	1.50 102	0.63 22	1.52 155	0.83 71	0.66 48	1.28 75	0.63 36	0.29 141	0.23 195	0.26 80	0.17 23	0.23 20	0.25 72

WCG-NET	0.88 47	0.49 35	1.26 37	0.90 126	0.37 27	1.48 47	1.07 333	1.73 35	2.30 328	1.63 155	1.49 151	0.92 97	0.97 128	0.95 10	0.76 89	0.22 12	0.16 7	0.23 17	0.20 61	0.25 37	0.21 31

rvit_stereo_0075_2	1.18 111	0.74 260	2.66 178	0.90 126	1.27 375	2.51 108	0.69 128	2.25 81	2.06 275	1.40 127	1.86 283	1.46 173	0.84 97	1.42 101	0.94 161	0.46 372	0.40 384	0.48 389	0.38 366	0.46 336	0.51 356

IGEVStereo-DCA	0.86 42	0.65 184	2.05 115	0.90 126	0.46 83	1.57 54	0.86 236	1.62 22	1.24 31	0.65 25	0.77 25	0.74 57	0.72 57	2.59 246	0.86 124	0.28 121	0.21 139	0.28 135	0.21 75	0.29 90	0.27 110

rrr	2.27 296	0.65 184	23.82 529	0.90 126	0.46 83	1.57 54	0.96 305	7.98 518	1.19 26	0.65 25	0.77 25	0.74 57	0.72 57	2.59 246	0.86 124	0.28 121	0.21 139	0.28 135	0.21 75	0.29 90	0.25 72

RCA-Stereo	1.21 121	0.52 48	1.58 75	0.90 126	0.46 83	4.68 472	0.79 193	4.13 376	1.74 216	1.92 220	1.80 249	0.94 101	1.48 256	1.14 39	0.70 68	0.27 84	0.18 45	0.25 59	0.19 47	0.25 37	0.23 48

iRaft-Stereo_20w	1.88 233	0.62 152	10.58 305	0.90 126	0.83 253	2.96 143	0.78 186	4.90 499	1.58 157	2.29 348	1.60 182	1.25 143	4.51 472	2.28 223	0.90 141	0.29 141	0.21 139	0.26 80	0.24 143	0.41 280	0.31 174

rvit_0105_5	1.13 100	0.93 336	2.60 169	0.91 133	0.56 141	1.92 73	0.91 275	3.02 169	2.63 395	0.95 87	1.20 76	1.18 130	0.93 120	1.51 120	0.93 159	0.40 321	0.43 399	0.37 317	0.35 331	0.42 299	0.44 310

rvit_stereo_0081	0.80 27	0.63 161	1.19 28	0.91 133	0.64 177	1.27 27	0.61 88	2.05 61	1.71 204	0.82 63	0.73 20	0.85 77	0.75 67	1.30 82	0.80 100	0.31 199	0.26 262	0.27 106	0.25 154	0.38 241	0.27 110

rvit_stereo_0082	0.80 27	0.63 161	1.19 28	0.91 133	0.64 177	1.27 27	0.61 88	2.05 61	1.71 204	0.82 63	0.73 20	0.85 77	0.75 67	1.30 82	0.80 100	0.31 199	0.26 262	0.27 106	0.25 154	0.38 241	0.27 110

IPLG	2.48 348	0.65 184	19.63 438	0.91 133	0.79 237	4.60 461	0.56 70	4.31 440	1.84 235	1.91 218	2.00 317	1.31 151	1.38 222	6.61 341	1.53 289	0.27 84	0.20 108	0.27 106	0.23 119	0.31 133	0.36 230

ACRE	2.27 296	1.11 379	19.45 432	0.91 133	1.30 377	3.94 317	0.87 254	4.21 396	1.80 226	2.28 346	2.62 420	1.17 126	1.04 145	1.52 122	1.30 241	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.46 326

test_xeample3	2.12 276	0.63 161	21.55 511	0.91 133	0.47 93	1.85 67	0.94 295	7.96 517	1.23 29	0.75 39	0.76 23	0.64 26	0.70 54	1.77 167	0.83 111	0.30 180	0.21 139	0.27 106	0.21 75	0.27 62	0.24 62

castereo++	0.93 58	0.56 86	1.26 37	0.92 139	0.73 219	2.48 106	1.00 316	2.99 164	1.03 18	0.68 30	1.41 131	1.92 247	0.59 29	1.26 70	0.44 12	0.25 56	0.19 74	0.28 135	0.19 47	0.23 20	0.23 48

SMoEStereo_RVC	0.80 27	0.53 59	1.12 18	0.92 139	0.44 67	2.41 102	0.79 193	1.49 14	1.16 23	0.70 32	1.12 65	0.64 26	0.64 42	1.69 157	0.87 130	0.22 12	0.16 7	0.31 198	0.22 106	0.26 50	0.25 72

rvit_0105_6	1.00 81	0.93 336	2.21 136	0.92 139	0.55 137	1.52 52	0.79 193	2.41 92	2.96 439	0.76 49	0.72 19	1.02 108	0.75 67	1.42 101	0.81 105	0.40 321	0.43 399	0.34 271	0.31 289	0.43 309	0.34 210

Former-RAFT_DAM_RVC	0.92 56	0.73 252	1.42 57	0.92 139	1.08 328	2.97 144	0.53 61	1.77 40	1.39 54	1.16 108	1.54 164	0.58 17	0.65 45	1.03 23	0.84 114	0.25 56	0.23 195	0.30 176	0.24 143	0.43 309	0.29 139

CES	1.01 83	0.55 75	1.74 86	0.92 139	2.15 488	2.15 88	0.50 53	2.01 59	1.45 68	0.76 49	1.02 44	0.61 21	0.47 11	1.29 78	0.79 99	0.22 12	0.17 18	0.24 40	0.14 2	0.63 395	2.29 498

psmg	1.47 175	0.59 115	1.94 103	0.92 139	0.85 261	4.30 410	1.42 400	4.10 374	1.88 241	2.64 418	2.09 337	2.60 331	1.31 213	1.60 136	1.21 216	0.34 247	0.27 273	0.33 253	0.34 316	0.36 226	0.34 210

CIPLG	2.27 296	1.18 391	19.24 425	0.92 139	1.34 389	3.95 322	0.89 261	4.23 403	1.82 228	2.31 358	2.67 425	1.17 126	1.06 157	1.53 124	1.32 244	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.45 316

dd	1.26 142	1.15 386	2.47 162	0.92 139	0.49 107	4.35 414	0.75 166	1.92 52	2.11 291	1.44 132	1.24 86	1.19 134	1.05 150	1.78 168	1.70 319	0.57 423	0.34 343	0.35 290	0.33 308	0.60 385	0.46 326

IPLGR_C	2.28 301	1.31 417	19.46 433	0.92 139	1.32 384	3.93 312	0.89 261	4.20 391	1.82 228	2.30 352	2.63 422	1.16 125	1.07 159	1.41 100	1.29 240	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.45 316

PFNet+	1.46 172	0.57 95	2.84 187	0.92 139	0.47 93	4.64 466	0.84 224	2.46 100	1.99 258	2.14 295	1.64 193	1.34 154	1.03 141	4.68 301	1.23 222	0.45 367	0.33 331	0.37 317	0.39 372	0.32 159	0.49 341

PSM-AAD	2.43 337	0.54 69	1.32 47	0.92 139	0.54 131	4.48 433	7.47 516	2.96 161	1.55 142	2.31 358	2.56 414	1.26 144	16.23 525	2.46 228	0.89 137	0.28 121	0.21 139	0.58 432	0.41 389	0.34 195	1.32 474

sAnonymous2	1.37 162	1.22 402	9.79 293	0.92 139	0.88 274	1.23 19	0.61 88	2.56 119	1.69 200	0.85 72	1.02 44	0.73 53	1.23 200	0.98 17	0.78 95	0.29 141	0.25 249	0.31 198	0.30 273	1.06 461	0.71 416

CroCo_RVC	1.37 162	1.22 402	9.79 293	0.92 139	0.88 274	1.23 19	0.61 88	2.56 119	1.69 200	0.85 72	1.02 44	0.73 53	1.23 200	0.98 17	0.78 95	0.29 141	0.25 249	0.31 198	0.30 273	1.06 461	0.71 416

HSM-Net_RVC	2.87 395	0.57 95	17.46 396	0.92 139	0.90 282	3.70 260	1.20 367	5.64 513	2.51 380	3.22 461	2.43 399	2.54 325	1.59 283	11.41 469	1.65 314	0.34 247	0.25 249	0.26 80	0.23 119	0.30 113	0.29 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
rvit_0105_4	1.07 94	0.99 352	2.39 158	0.93 153	0.54 131	1.62 58	0.84 224	2.77 146	2.91 433	0.80 59	0.91 36	1.09 115	0.86 101	1.63 146	0.85 117	0.40 321	0.45 409	0.35 290	0.31 289	0.43 309	0.40 285

MGS-Stereo	0.80 27	0.56 86	1.53 67	0.93 153	0.39 41	1.26 26	0.73 144	1.45 11	1.30 44	1.01 92	2.26 369	0.80 66	0.56 21	1.16 46	0.65 43	0.27 84	0.23 195	0.26 80	0.22 106	0.27 62	0.25 72

LL-Strereo2	1.23 126	0.85 315	2.38 157	0.93 153	0.68 203	3.72 263	1.37 390	2.54 116	1.99 258	1.75 182	1.40 129	1.82 233	0.73 61	1.40 95	0.99 174	0.31 199	0.23 195	0.55 426	0.35 331	0.29 90	0.24 62

ACVNet	1.46 172	0.64 174	3.56 218	0.93 153	0.85 261	4.22 396	0.80 203	2.85 153	2.08 278	1.78 186	1.88 287	3.10 378	1.46 252	1.33 86	1.89 344	0.29 141	0.26 262	0.30 176	0.26 172	0.39 251	0.27 110

tg	1.15 106	0.67 205	1.31 44	0.94 157	0.54 131	4.02 340	0.41 30	2.96 161	1.59 172	1.69 167	1.85 280	1.84 239	0.97 128	1.78 168	0.83 111	0.27 84	0.17 18	0.29 156	0.26 172	0.29 90	0.27 110

gcap-zeroshot	1.30 153	0.61 142	4.09 229	0.94 157	0.56 141	3.50 222	0.84 224	3.12 179	1.72 207	1.84 195	1.22 81	2.72 343	0.88 106	1.46 112	0.80 100	0.29 141	0.30 306	0.27 106	0.21 75	0.29 90	0.25 72

IGEV++	0.90 53	0.58 108	1.32 47	0.94 157	0.45 74	1.27 27	1.00 316	3.32 206	1.55 142	0.82 63	1.34 113	0.86 81	1.09 162	1.16 46	0.89 137	0.33 235	0.18 45	0.23 17	0.19 47	0.29 90	0.22 40

IER	1.69 206	0.65 184	7.19 262	0.94 157	1.15 342	3.28 185	0.89 261	3.48 219	1.97 255	2.10 281	1.98 313	2.28 288	2.12 372	2.25 221	1.75 330	0.29 141	0.23 195	0.36 305	0.30 273	0.32 159	0.34 210

GCAP-BAT	1.21 121	0.74 260	3.23 202	0.95 161	0.70 211	3.86 297	0.93 290	1.89 46	1.48 89	1.85 196	1.96 305	1.68 198	0.79 85	1.78 168	0.81 105	0.29 141	0.20 108	0.24 40	0.20 61	0.26 50	0.35 224

RSM++	0.77 21	0.51 42	1.08 13	0.95 161	0.42 55	1.52 52	0.71 136	2.11 68	1.40 57	0.80 59	1.23 85	0.90 90	0.59 29	1.14 39	0.69 62	0.24 35	0.19 74	0.25 59	0.21 75	0.28 78	0.20 16

CASS	1.29 152	0.66 195	2.62 175	0.95 161	0.66 191	2.84 124	0.69 128	3.00 166	1.79 225	2.57 404	1.95 304	1.39 161	1.55 280	1.59 134	1.06 182	0.50 400	0.28 283	0.34 271	0.28 227	0.46 336	0.63 399
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
KYRaft	1.59 189	0.52 48	1.73 83	0.95 161	0.49 107	4.38 416	1.79 433	2.43 97	1.51 109	2.49 392	2.98 444	2.00 263	3.41 445	2.14 207	0.82 108	0.30 180	0.21 139	0.33 253	0.46 406	0.35 213	2.45 504

iRaftStereo_RVC	1.09 95	0.70 226	1.39 54	0.95 161	0.45 74	3.83 283	0.42 33	2.37 91	1.58 157	1.69 167	1.76 235	1.80 227	0.83 96	1.50 118	0.98 171	0.28 121	0.18 45	0.29 156	0.26 172	0.30 113	0.31 174

EAI-Stereo	2.35 324	0.63 161	2.97 192	0.95 161	0.65 185	3.84 288	14.27 528	5.04 501	2.19 305	2.06 274	7.25 490	1.10 118	0.94 122	1.65 150	1.37 253	0.31 199	0.22 168	0.27 106	0.60 447	0.27 62	0.32 183

MSKI-zero shot	2.22 286	0.64 174	20.09 457	0.96 167	0.56 141	4.04 343	0.70 134	3.91 312	1.50 102	1.92 220	2.28 373	1.92 247	0.71 56	2.93 261	0.67 52	0.26 69	0.23 195	0.26 80	0.21 75	0.28 78	0.26 96

UniTT-Stereo	0.82 37	0.47 22	2.63 176	0.96 167	1.19 355	0.78 4	0.39 23	1.12 4	1.54 134	1.19 110	1.26 93	0.51 11	0.64 42	1.13 37	1.03 179	0.30 180	0.20 108	0.24 40	0.21 75	0.40 256	0.25 72

GwcNet-ADL	2.47 346	0.67 205	21.48 510	0.96 167	0.72 215	4.61 462	0.95 299	4.42 465	2.36 343	1.98 237	1.80 249	2.55 326	1.24 202	1.90 185	1.41 259	0.40 321	0.46 418	0.24 40	0.27 198	0.41 280	0.49 341

FTStereo	3.71 454	0.53 59	20.37 471	0.96 167	0.65 185	4.34 413	11.29 523	2.62 128	1.50 102	2.58 407	5.04 483	1.90 245	13.84 521	3.71 281	1.25 227	0.38 303	0.24 228	0.31 198	0.32 300	0.30 113	2.10 495

RAFT	1.23 126	0.84 311	2.05 115	0.96 167	0.47 93	1.80 64	0.94 295	3.18 187	1.46 76	1.60 147	1.71 215	3.04 373	1.59 283	1.64 148	1.32 244	0.38 303	0.24 228	0.40 342	0.32 300	0.40 256	0.35 224

test-1	1.23 126	0.65 184	1.88 97	0.96 167	0.52 122	3.84 288	0.62 100	4.01 340	1.47 81	1.93 224	1.78 243	1.83 236	0.92 118	1.19 59	1.28 237	0.26 69	0.29 293	0.31 198	0.24 143	0.29 90	0.36 230

hitnet-ft	2.37 330	0.73 252	8.34 273	0.96 167	0.89 279	3.77 272	0.80 203	3.55 236	2.58 390	2.24 338	2.04 323	3.65 427	1.49 262	11.71 488	1.89 344	0.44 358	0.53 436	0.44 367	0.35 331	0.52 356	0.48 335

DEFOM-Stereo_RVC	0.81 35	1.13 381	1.23 34	0.97 174	0.57 152	0.81 5	0.43 38	3.49 222	0.84 10	0.73 37	0.95 39	0.44 6	1.17 189	1.45 108	0.60 31	0.26 69	0.18 45	0.24 40	0.17 23	0.30 113	0.19 4

rvit_0105_3	1.24 131	0.93 336	2.84 187	0.97 174	0.58 161	2.38 99	1.08 338	3.26 197	2.53 382	1.18 109	1.40 129	1.24 142	1.04 145	1.73 162	0.97 168	0.44 358	0.44 404	0.40 342	0.42 395	0.42 299	0.50 348

rvit_stereo_ft	1.00 81	0.87 320	3.55 216	0.97 174	0.66 191	1.06 9	0.80 203	2.78 147	1.67 192	0.78 56	0.96 41	0.95 102	1.14 180	1.06 27	0.90 141	0.32 219	0.24 228	0.27 106	0.28 227	0.39 251	0.27 110

AEACV	0.79 26	0.54 69	1.35 51	0.97 174	0.63 175	1.13 13	0.92 288	2.02 60	0.91 12	0.76 49	0.79 27	0.80 66	1.61 288	1.28 75	0.61 32	0.22 12	0.18 45	0.26 80	0.23 119	0.27 62	0.23 48

RAFT+CT+SA	1.62 194	0.72 241	7.42 263	0.97 174	1.42 410	4.04 343	0.94 295	3.90 308	1.61 177	1.61 152	1.63 191	1.33 153	1.18 191	2.73 257	1.10 191	0.27 84	0.19 74	0.31 198	0.34 316	0.33 177	0.33 197

PS-NSSS	2.22 286	1.33 422	2.90 191	0.97 174	1.53 424	4.11 359	1.08 338	4.55 485	2.65 398	2.10 281	2.32 393	1.77 216	1.40 229	11.79 491	1.61 302	0.68 446	0.45 409	0.96 479	0.43 398	0.95 453	0.92 450

UGAM-zero	2.79 387	0.57 95	20.87 491	0.98 180	0.77 235	2.08 85	0.35 18	3.88 301	1.51 109	2.05 269	1.64 193	5.07 485	3.42 448	9.83 406	1.24 224	0.28 121	0.21 139	0.27 106	0.29 255	0.29 90	0.28 129

HH	2.23 288	0.86 318	21.59 512	0.98 180	0.51 113	1.49 48	0.82 216	2.74 142	1.54 134	1.10 102	1.69 209	4.62 471	1.86 351	2.55 242	0.69 62	0.26 69	0.22 168	0.29 156	0.23 119	0.34 195	0.27 110

HanStereo	2.23 288	0.86 318	21.59 512	0.98 180	0.51 113	1.49 48	0.82 216	2.74 142	1.54 134	1.10 102	1.69 209	4.62 471	1.86 351	2.55 242	0.69 62	0.26 69	0.22 168	0.29 156	0.23 119	0.34 195	0.27 110

dad	1.65 200	1.19 393	3.04 196	0.98 180	0.56 141	4.22 396	0.84 224	1.99 58	2.48 372	2.14 295	1.68 205	1.62 192	1.13 174	3.85 283	2.04 363	1.03 473	0.40 384	2.04 498	0.48 414	0.75 433	0.53 363

Prome-Stereo	1.61 192	0.55 75	1.71 82	0.98 180	0.60 165	4.41 425	1.82 437	3.03 170	1.53 125	2.18 314	3.45 463	1.72 208	3.49 451	2.23 220	1.08 187	0.29 141	0.20 108	0.26 80	0.25 154	0.34 195	2.16 496

FADNet_RVC	2.65 374	2.28 473	16.51 379	0.98 180	0.92 284	4.09 353	0.83 221	4.26 420	1.73 210	1.46 133	1.78 243	1.60 189	1.50 263	8.88 382	2.39 394	0.47 381	0.38 370	0.44 367	0.58 443	0.89 448	0.97 454

RAFT-Stereo-weight	1.11 98	0.48 28	1.22 33	0.99 186	0.42 55	4.17 383	0.80 203	3.60 241	1.50 102	1.97 235	1.50 152	1.30 150	0.65 45	1.24 65	0.85 117	0.25 56	0.19 74	0.26 80	0.22 106	0.27 62	0.23 48

Selective-RAFT	1.15 106	0.46 19	1.64 79	0.99 186	0.45 74	4.17 383	0.51 57	3.21 188	1.69 200	1.12 106	1.34 113	1.45 171	1.40 229	2.08 199	0.94 161	0.41 335	0.20 108	0.24 40	0.23 119	0.27 62	0.25 72

CroCo-Stereo Lap2	0.99 79	0.89 323	2.55 165	0.99 186	1.80 471	0.54 2	0.46 45	3.10 177	1.24 31	1.07 99	1.21 79	1.05 114	0.78 82	1.26 70	1.08 187	0.27 84	0.23 195	0.27 106	0.21 75	0.43 309	0.34 210

test_3	1.19 113	0.51 42	2.08 127	0.99 186	0.41 49	2.05 83	0.87 254	4.40 463	1.42 62	1.99 242	1.18 73	2.03 267	0.79 85	2.70 254	0.75 85	0.27 84	0.17 18	0.29 156	0.29 255	0.30 113	0.27 110

LCNet	1.55 177	0.54 69	1.88 97	0.99 186	0.55 137	3.60 244	1.21 370	2.86 156	1.53 125	2.18 314	1.74 222	1.43 170	4.17 464	3.62 277	0.87 130	0.29 141	0.20 108	0.28 135	0.77 466	0.47 340	1.85 490

ICVP	2.26 294	0.66 195	21.18 503	0.99 186	0.88 274	4.28 407	0.95 299	3.32 206	1.60 173	1.66 163	1.76 235	1.34 154	1.14 180	1.62 142	1.32 244	0.53 415	0.35 347	0.33 253	0.29 255	0.40 256	0.51 356
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
R-Stereo Train	1.20 118	0.58 108	1.81 92	0.99 186	0.67 198	3.78 274	0.90 267	4.09 366	1.51 109	2.16 308	1.71 215	1.13 121	0.94 122	1.40 95	0.91 148	0.30 180	0.24 228	0.26 80	0.21 75	0.26 50	0.25 72

RAFT-Stereo	1.20 118	0.58 108	1.81 92	0.99 186	0.67 198	3.78 274	0.90 267	4.09 366	1.51 109	2.16 308	1.71 215	1.13 121	0.94 122	1.40 95	0.91 148	0.30 180	0.24 228	0.26 80	0.21 75	0.26 50	0.25 72
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
fffy	0.80 27	0.59 115	1.56 73	1.00 194	0.47 93	1.27 27	0.76 169	1.90 49	1.02 17	0.75 39	1.35 116	0.83 71	0.72 57	1.70 159	0.62 33	0.23 23	0.19 74	0.27 106	0.21 75	0.28 78	0.32 183

MyStereo07	1.01 83	0.80 293	1.26 37	1.00 194	1.04 319	3.95 322	0.95 299	2.07 65	1.42 62	0.75 39	1.22 81	0.68 36	0.91 115	1.63 146	0.67 52	0.24 35	0.24 228	0.34 271	0.26 172	0.41 280	0.37 244

MyStereo04	2.29 304	0.80 293	18.77 416	1.00 194	1.04 319	3.95 322	0.95 299	3.91 312	2.54 386	1.99 242	1.27 99	2.31 295	1.65 309	2.02 196	1.77 331	0.24 35	0.24 228	0.34 271	0.26 172	0.41 280	0.37 244

CoDeX	2.40 332	0.78 286	13.21 327	1.00 194	1.18 348	3.24 174	1.32 380	4.14 382	2.41 360	1.74 180	1.84 273	2.05 271	1.47 254	10.03 417	1.60 299	0.34 247	0.28 283	0.32 218	0.27 198	0.32 159	0.39 265

testlalala	1.14 105	0.62 152	1.34 49	1.00 194	0.78 236	4.38 416	0.93 290	2.46 100	2.20 307	2.44 386	1.52 155	1.31 151	0.61 35	1.04 26	0.65 43	0.35 267	0.19 74	0.24 40	0.19 47	0.24 24	0.23 48

TransformOpticalFlow	3.03 419	0.77 280	20.99 496	1.00 194	0.55 137	4.18 386	0.64 105	4.33 446	3.02 447	2.18 314	3.09 451	4.35 459	5.07 477	7.36 359	1.27 233	0.32 219	0.18 45	0.32 218	0.26 172	0.28 78	0.46 326

StereoVision	1.65 200	0.75 272	7.47 265	1.01 200	1.80 471	2.61 115	0.61 88	3.06 175	1.96 253	1.25 112	3.46 464	1.85 242	0.88 106	2.07 197	1.93 349	0.43 351	0.36 351	0.37 317	0.36 341	0.48 343	0.33 197

RAFT-Test	1.44 169	0.59 115	6.10 253	1.01 200	0.69 209	2.90 130	0.80 203	3.68 256	1.70 203	1.85 196	1.68 205	3.15 383	1.03 141	1.20 60	0.99 174	0.27 84	0.22 168	0.25 59	0.23 119	0.27 62	0.25 72

ToySt	1.35 160	0.72 241	3.65 224	1.01 200	0.50 111	3.31 190	1.01 319	3.46 218	1.73 210	1.30 114	1.55 168	2.07 276	1.47 254	1.88 184	1.40 255	0.27 84	0.27 273	0.30 176	0.32 300	0.42 299	0.39 265

test-3	1.19 113	0.52 48	2.00 109	1.01 200	0.42 55	1.95 75	0.91 275	4.35 450	1.47 81	2.24 338	1.16 70	2.06 273	0.79 85	2.68 252	0.76 89	0.27 84	0.18 45	0.28 135	0.26 172	0.26 50	0.25 72

test_1	1.19 113	0.52 48	2.00 109	1.01 200	0.42 55	1.95 75	0.90 267	4.36 455	1.47 81	2.17 312	1.16 70	2.06 273	0.78 82	2.68 252	0.76 89	0.27 84	0.18 45	0.28 135	0.26 172	0.26 50	0.25 72

CFNet-RSSM	2.08 272	0.52 48	20.06 453	1.01 200	0.56 141	3.39 196	0.64 105	3.67 254	1.55 142	1.72 176	1.37 121	2.57 328	1.19 195	1.11 32	0.86 124	0.27 84	0.20 108	0.25 59	0.23 119	0.27 62	0.23 48

delet	1.92 243	0.76 277	5.14 243	1.01 200	1.65 449	3.44 204	2.03 449	3.76 273	2.48 372	2.01 256	2.05 329	2.63 335	1.90 356	5.34 310	2.12 373	0.28 121	0.29 293	0.40 342	0.31 289	0.41 280	0.45 316

Gwc-CoAtRS	1.58 184	0.57 95	11.69 318	1.01 200	0.60 165	2.53 110	0.64 105	2.36 90	1.56 148	1.80 190	1.47 144	2.74 344	1.18 191	1.12 34	0.90 141	0.27 84	0.21 139	0.25 59	0.22 106	0.27 62	0.23 48

DeepPruner_ROB	2.05 267	1.09 375	10.50 304	1.01 200	1.20 360	4.39 419	0.91 275	3.14 181	1.72 207	2.60 411	1.54 164	2.78 354	1.27 204	4.52 297	1.72 322	0.51 406	0.40 384	0.37 317	0.34 316	0.48 343	0.52 361

MyStereo06	2.46 343	0.72 241	19.97 450	1.02 209	0.99 306	4.26 401	0.86 236	3.51 228	1.68 194	1.92 220	1.73 220	4.01 441	4.22 465	1.62 142	0.88 134	0.24 35	0.23 195	0.34 271	0.26 172	0.42 299	0.36 230

MyStereo05	2.37 330	0.72 241	19.94 448	1.02 209	0.99 306	4.26 401	0.86 236	4.01 340	2.62 393	2.14 295	1.26 93	2.28 288	1.63 304	2.07 197	1.68 317	0.24 35	0.23 195	0.34 271	0.26 172	0.42 299	0.36 230

anonymousdsp2	1.26 142	0.60 127	3.74 226	1.02 209	0.41 49	3.60 244	0.72 139	3.68 256	1.47 81	1.37 123	1.56 171	1.83 236	1.01 138	2.00 192	0.66 48	0.29 141	0.20 108	0.28 135	0.20 61	0.32 159	0.29 139

EGLCR-Stereo	1.06 91	0.51 42	1.56 73	1.02 209	0.39 41	4.27 406	0.42 33	4.08 364	1.48 89	0.90 78	0.68 17	1.09 115	0.66 48	1.81 173	0.62 33	0.27 84	0.19 74	0.29 156	0.23 119	0.37 236	0.25 72

raft_robust	1.92 243	1.15 386	3.34 210	1.02 209	0.43 61	3.84 288	0.46 45	4.42 465	2.52 381	1.67 165	1.36 120	2.17 282	6.37 495	6.78 349	1.04 180	0.28 121	0.24 228	0.30 176	0.35 331	0.31 133	0.32 183

RAFT-345	2.46 343	0.55 75	19.69 440	1.02 209	0.49 107	4.43 429	0.78 186	1.64 29	2.34 338	2.09 278	3.12 452	1.96 256	1.31 213	6.65 343	1.43 262	0.36 278	0.23 195	0.32 218	0.25 154	0.28 78	0.25 72

sCroCo_RVC	1.06 91	0.82 304	5.05 242	1.02 209	1.05 321	0.98 7	0.61 88	2.06 63	1.29 42	0.69 31	1.26 93	0.82 70	1.10 168	1.20 60	0.90 141	0.42 346	0.40 384	0.33 253	0.30 273	0.46 336	0.38 259

999	0.97 72	0.48 28	1.24 35	1.03 216	0.64 177	3.25 177	0.92 288	1.40 9	1.39 54	0.71 35	1.68 205	0.70 40	0.66 48	3.03 265	0.89 137	0.23 23	0.19 74	0.25 59	0.21 75	0.25 37	0.29 139

cross-raft	2.01 261	0.57 95	19.01 423	1.03 216	0.56 141	2.11 87	0.72 139	3.63 246	1.57 154	1.77 184	1.51 154	3.17 384	1.13 174	1.16 46	0.85 117	0.23 23	0.21 139	0.26 80	0.23 119	0.28 78	0.25 72

anonymousa	2.16 280	0.67 205	19.19 424	1.04 218	1.67 453	2.06 84	0.79 193	2.86 156	1.96 253	1.85 196	2.14 348	3.23 389	1.81 342	1.12 34	1.15 200	0.26 69	0.26 262	0.34 271	0.32 300	0.30 113	0.28 129

PAM_32	2.45 340	0.63 161	20.74 486	1.05 219	0.65 185	2.83 123	0.46 45	2.91 158	1.54 134	1.95 229	2.66 424	4.99 481	3.78 455	1.96 190	0.92 151	0.27 84	0.22 168	0.27 106	0.25 154	0.36 226	0.48 335

model_zeroshot	1.21 121	0.60 127	3.55 216	1.05 219	0.57 152	3.46 209	0.63 102	2.73 141	1.55 142	2.05 269	1.38 124	1.50 177	0.82 93	1.69 157	0.87 130	0.29 141	0.23 195	0.30 176	0.23 119	0.27 62	0.32 183

MIM_Stereo	1.20 118	0.78 286	3.30 207	1.05 219	0.43 61	3.04 147	0.60 84	2.46 100	1.51 109	1.60 147	1.58 174	1.82 233	1.29 209	2.00 192	1.07 185	0.24 35	0.24 228	0.28 135	0.25 154	0.27 62	0.27 110

riskmin	1.25 135	0.56 86	2.05 115	1.05 219	0.93 289	2.86 128	0.55 66	3.23 192	1.34 48	1.55 142	1.07 59	3.56 423	2.03 362	1.29 78	1.00 176	0.28 121	0.27 273	0.34 271	0.21 75	0.41 280	0.43 304

RAFT-Stereo + iAFF	1.25 135	0.72 241	1.74 86	1.05 219	0.36 13	4.13 364	0.42 33	2.95 160	2.84 429	2.02 261	2.40 398	1.61 191	1.11 171	1.26 70	0.97 168	0.21 6	0.15 3	0.26 80	0.23 119	0.29 90	0.23 48

LALA_ROB	1.95 248	1.48 437	3.11 198	1.05 219	0.98 303	3.99 335	1.82 437	4.44 469	2.28 324	3.31 463	1.85 280	2.76 352	1.67 313	4.04 291	3.23 434	0.46 372	0.41 391	0.55 426	0.52 430	0.60 385	0.57 379

FACV-RUCA	1.26 142	0.65 184	2.21 136	1.06 225	1.50 420	2.69 118	1.15 354	3.05 172	1.87 239	1.36 120	1.99 315	1.03 110	1.15 188	1.36 91	1.10 191	0.41 335	0.41 391	0.73 467	0.41 389	0.61 390	0.41 291

Anonymous_2	3.01 417	0.89 323	4.53 238	1.06 225	1.18 348	2.93 138	0.87 254	3.24 194	1.46 76	1.86 201	1.35 116	4.11 447	2.35 392	1.64 148	1.28 237	0.82 461	0.90 482	8.71 537	15.84 540	4.44 517	0.74 424

PAM	2.43 337	0.61 142	20.86 489	1.07 227	0.73 219	2.93 138	0.53 61	3.24 194	1.53 125	1.89 212	2.43 399	5.29 490	2.76 414	1.84 177	1.02 178	0.27 84	0.24 228	0.26 80	0.25 154	0.40 256	0.50 348

DualNet (step1)	2.34 319	1.05 364	7.87 267	1.07 227	0.86 266	3.93 312	1.19 363	4.35 450	2.11 291	2.14 295	1.75 226	1.75 211	1.67 313	6.26 335	1.26 230	1.23 482	0.48 428	4.27 526	2.09 512	0.70 418	0.69 411

test_sample9	3.79 456	1.05 364	7.87 267	1.07 227	0.86 266	3.93 312	1.19 363	4.35 450	2.11 291	2.14 295	1.75 226	1.75 211	1.67 313	11.06 455	11.61 492	1.23 482	14.45 541	4.27 526	2.09 512	0.70 418	0.69 411

test_sample8	4.76 480	1.05 364	7.87 267	1.07 227	0.86 266	3.93 312	1.19 363	4.38 459	2.05 273	5.49 499	1.89 293	12.98 516	6.37 495	11.06 455	11.61 492	1.23 482	14.45 541	4.27 526	2.09 512	0.70 418	0.69 411

CBFPSM	2.05 267	0.95 344	10.12 299	1.07 227	1.05 321	2.84 124	1.20 367	3.28 198	1.73 210	1.82 193	1.30 104	4.56 469	4.06 461	2.34 224	2.34 393	0.25 56	0.38 370	0.32 218	0.27 198	0.37 236	0.79 436

SA	1.62 194	0.75 272	3.78 228	1.07 227	0.43 61	4.26 401	1.36 385	4.45 472	3.12 454	1.63 155	1.97 311	1.68 198	2.26 386	2.55 242	1.27 233	0.27 84	0.22 168	0.37 317	0.37 353	0.35 213	0.30 165

CFNet-ft	1.90 236	0.95 344	3.56 218	1.07 227	1.54 425	4.09 353	0.90 267	2.85 153	1.82 228	1.78 186	1.70 211	2.75 346	1.48 256	9.33 393	1.72 322	0.33 235	0.30 306	0.61 443	0.36 341	0.52 356	0.39 265

CFNet_RVC	1.90 236	0.95 344	3.56 218	1.07 227	1.54 425	4.09 353	0.90 267	2.85 153	1.82 228	1.78 186	1.70 211	2.75 346	1.48 256	9.33 393	1.72 322	0.33 235	0.30 306	0.61 443	0.36 341	0.52 356	0.39 265

rvit_105_1	1.43 168	0.90 325	3.27 205	1.08 235	0.68 203	2.79 120	1.27 375	3.52 229	2.35 340	1.38 125	1.54 164	1.28 146	1.14 180	2.91 259	1.40 255	0.54 417	0.47 422	0.45 373	0.59 445	0.44 317	0.58 384

AIO-Stereo-zeroshot1	2.68 381	1.26 409	22.01 519	1.08 235	0.99 306	1.61 56	0.86 236	3.69 261	1.64 184	1.52 139	5.62 487	3.35 399	3.44 449	2.20 215	1.33 248	0.26 69	0.21 139	0.30 176	0.62 451	0.93 452	0.67 406

gwcnet-sp	2.31 308	1.21 396	17.34 389	1.08 235	0.92 284	3.56 236	1.04 327	3.69 261	2.09 281	2.55 400	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

scenet	2.31 308	1.21 396	17.34 389	1.08 235	0.92 284	3.56 236	1.04 327	3.69 261	2.09 281	2.55 400	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

ssnet	2.31 308	1.21 396	17.34 389	1.08 235	0.92 284	3.56 236	1.04 327	3.69 261	2.09 281	2.55 400	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

pcwnet_v2	2.70 384	0.65 184	22.48 521	1.08 235	1.03 316	3.56 236	0.81 212	4.29 429	3.14 457	2.29 348	2.29 376	3.01 371	1.71 322	3.32 270	1.43 262	0.43 351	0.50 433	0.41 352	0.34 316	0.61 390	0.56 375

AIO-Stereo-zeroshot	2.35 324	0.99 352	19.62 437	1.09 241	0.96 295	1.51 50	0.44 40	4.05 353	1.64 184	1.31 115	1.67 202	4.93 478	2.45 399	2.52 239	1.40 255	0.30 180	0.20 108	0.31 198	0.50 423	0.57 377	0.60 389

Any-RAFT	1.40 165	0.53 59	2.78 185	1.09 241	0.64 177	4.41 425	0.81 212	3.97 330	2.78 413	1.99 242	1.34 113	2.36 301	1.56 282	1.56 126	0.75 85	0.27 84	0.20 108	0.25 59	0.18 31	0.25 37	0.28 129

PSMNet-ADL	1.91 240	0.72 241	1.78 90	1.09 241	0.86 266	4.18 386	0.78 186	3.77 275	2.10 289	1.72 176	1.85 280	2.91 364	1.82 344	10.38 430	1.91 347	0.48 385	0.46 418	0.28 135	0.29 255	0.38 241	0.51 356

GES	1.38 164	0.64 174	2.61 172	1.09 241	0.57 152	4.30 410	1.02 323	3.86 295	1.51 109	1.72 176	1.74 222	1.28 146	1.77 331	1.62 142	1.61 302	0.39 315	0.27 273	0.33 253	0.30 273	0.41 280	0.47 331

test_xeample	2.67 378	0.56 86	2.05 115	1.09 241	0.81 242	3.24 174	0.80 203	4.55 485	2.70 404	2.42 384	2.27 370	1.39 161	1.40 229	10.75 439	17.51 516	0.30 180	0.30 306	0.32 218	0.28 227	0.34 195	0.33 197

FADNet-RVC	2.51 353	2.27 471	14.03 345	1.09 241	0.81 242	3.54 233	1.10 344	4.13 376	2.48 372	1.39 126	1.22 81	1.85 242	1.77 331	9.78 405	2.06 366	0.38 303	0.37 364	0.40 342	0.40 383	0.67 412	0.48 335

ADCP+	3.74 455	1.96 463	16.90 385	1.09 241	1.55 429	4.35 414	3.65 502	3.93 318	2.98 443	2.22 332	1.66 201	3.95 436	4.83 475	3.41 271	18.87 524	0.38 303	0.41 391	0.63 448	0.53 434	0.64 402	0.81 438

ETE_ROB	2.07 270	1.40 429	3.01 195	1.09 241	0.92 284	3.94 317	1.53 411	4.25 413	2.23 311	3.31 463	2.06 333	2.35 299	1.52 268	8.74 380	2.07 369	0.44 358	0.36 351	0.51 408	0.48 414	0.54 365	0.62 395

SGM-Forest	2.96 405	0.62 152	3.49 213	1.09 241	0.80 239	4.06 346	3.30 490	4.37 458	3.09 453	4.18 488	3.27 459	4.67 475	3.86 458	11.69 487	7.91 474	0.51 406	0.46 418	0.49 402	0.39 372	0.48 343	0.49 341
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GREAT-IGEV	0.74 13	0.54 69	1.86 95	1.10 250	0.44 67	2.44 104	0.34 15	1.37 8	1.51 109	0.48 2	0.86 32	0.51 11	0.60 32	1.07 28	0.45 14	0.22 12	0.17 18	0.21 5	0.17 23	0.23 20	0.25 72

HI	1.27 147	0.90 325	2.33 152	1.10 250	0.68 203	2.92 135	0.45 43	2.49 103	1.76 220	2.13 292	1.65 199	2.42 309	1.84 346	1.58 129	1.61 302	0.26 69	0.16 7	0.28 135	0.29 255	0.26 50	0.25 72

CoSv	1.27 147	0.90 325	2.33 152	1.10 250	0.68 203	2.92 135	0.45 43	2.49 103	1.76 220	2.13 292	1.65 199	2.42 309	1.84 346	1.58 129	1.61 302	0.26 69	0.16 7	0.28 135	0.29 255	0.26 50	0.25 72

AE-Stereo	1.18 111	0.60 127	2.05 115	1.10 250	0.60 165	4.39 419	0.72 139	3.74 270	1.62 180	1.10 102	1.90 298	1.01 107	0.92 118	1.45 108	0.82 108	0.28 121	0.22 168	0.28 135	0.28 227	0.26 50	0.22 40

AFF-stereo	1.31 157	0.77 280	1.46 60	1.10 250	0.45 74	3.93 312	0.48 51	2.92 159	2.92 435	1.90 213	2.21 362	2.11 280	1.52 268	1.93 187	1.12 197	0.21 6	0.16 7	0.25 59	0.25 154	0.29 90	0.20 16

DSFCA	1.89 234	0.69 216	3.14 200	1.10 250	1.18 348	3.99 335	1.79 433	3.50 225	2.16 300	3.10 453	1.64 193	2.91 364	2.50 402	5.38 311	2.26 386	0.43 351	0.38 370	0.37 317	0.36 341	0.50 351	0.42 295

MLCV	1.87 229	0.91 330	8.59 277	1.10 250	0.57 152	3.59 242	0.53 61	3.70 266	2.20 307	2.80 434	2.25 368	2.00 263	1.42 239	4.13 292	1.86 341	0.30 180	0.20 108	0.32 218	0.21 75	0.33 177	0.36 230

DFGA-Net	2.11 275	3.00 485	7.43 264	1.11 257	0.76 229	3.72 263	0.60 84	2.63 129	1.91 249	2.01 256	2.07 334	1.22 140	1.04 145	10.26 426	2.26 386	0.27 84	0.22 168	0.34 271	0.34 316	0.61 390	0.48 335

DCVSM-stereo	2.31 308	0.66 195	20.69 485	1.11 257	0.93 289	2.58 114	0.73 144	2.61 127	1.60 173	2.57 404	1.53 162	3.30 395	1.72 324	2.19 214	1.23 222	0.34 247	0.53 436	0.41 352	0.32 300	0.45 325	0.62 395

Sa-1000	1.63 198	0.79 289	3.56 218	1.11 257	0.48 101	4.06 346	1.41 398	4.49 478	2.75 410	2.00 254	2.80 436	1.84 239	1.43 242	2.64 251	1.50 280	0.27 84	0.19 74	0.36 305	0.33 308	0.36 226	0.30 165

222	2.68 381	0.57 95	2.03 112	1.11 257	0.81 242	3.23 170	0.65 114	4.52 483	2.45 368	2.34 369	2.29 376	1.41 167	1.44 245	10.50 431	18.47 521	0.32 219	0.30 306	0.32 218	0.27 198	0.32 159	0.34 210

LL-Strereo	3.01 417	1.81 458	17.59 399	1.12 261	2.10 487	2.90 130	1.09 342	4.33 446	2.00 262	3.12 455	2.24 366	3.29 393	3.15 433	11.31 466	1.84 339	0.30 180	0.28 283	0.46 378	0.34 316	0.49 349	0.45 316

NINENet	1.87 229	0.74 260	2.60 169	1.12 261	1.06 324	4.50 442	0.76 169	4.41 464	2.24 313	2.16 308	1.86 283	3.63 425	0.97 128	8.00 370	1.17 206	0.41 335	0.30 306	0.41 352	0.30 273	0.41 280	0.36 230

RALCasStereoNet	1.19 113	1.02 357	2.06 124	1.12 261	1.14 340	3.08 155	0.70 134	2.99 164	1.73 210	1.34 117	1.68 205	1.18 130	0.91 115	2.16 209	1.00 176	0.30 180	0.26 262	0.24 40	0.21 75	0.29 90	0.30 165

MMNet	2.02 262	0.81 297	10.76 307	1.12 261	1.23 367	3.53 229	0.89 261	3.79 279	2.08 278	2.15 303	1.76 235	2.15 281	2.12 372	3.69 280	2.32 391	0.31 199	0.29 293	0.34 271	0.27 198	0.38 241	0.42 295

FADNet-RVC-Resample	2.83 390	2.02 466	21.07 497	1.12 261	0.91 283	3.53 229	1.37 390	4.08 364	2.09 281	1.68 166	1.33 108	2.03 267	1.51 266	9.54 398	1.69 318	0.38 303	0.37 364	0.42 359	0.44 400	0.56 373	0.56 375

RYNet	2.97 409	0.93 336	15.09 364	1.12 261	1.38 398	3.66 256	1.42 400	4.03 345	2.29 327	2.10 281	1.70 211	3.79 430	2.16 379	13.64 519	3.02 430	0.37 286	0.41 391	0.48 389	0.34 316	0.81 442	0.75 427

NaN_ROB	4.06 466	1.13 381	16.64 380	1.12 261	1.25 372	3.50 222	3.05 485	4.29 429	3.26 470	3.64 471	2.56 414	2.97 367	4.79 474	13.33 513	16.91 512	0.37 286	0.41 391	0.38 333	0.39 372	0.48 343	0.81 438

DCRE	1.44 169	0.74 260	3.50 215	1.13 268	0.72 215	1.78 62	0.67 118	2.14 71	1.56 148	1.99 242	8.09 497	1.73 209	1.07 159	1.24 65	0.83 111	0.23 23	0.25 249	0.26 80	0.26 172	0.28 78	0.30 165

H2IRNET	1.90 236	0.53 59	14.29 351	1.14 269	0.60 165	4.48 433	0.44 40	2.65 131	1.81 227	1.05 98	2.30 381	1.67 196	1.40 229	2.17 211	1.50 280	0.36 278	0.21 139	0.33 253	0.37 353	0.34 195	0.29 139

ffm	1.72 209	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.22 399	3.37 476	2.20 321	2.30 381	3.48 408	1.62 291	2.21 217	0.65 43	0.29 141	0.16 7	0.48 389	0.37 353	0.30 113	0.29 139

ff1	2.96 405	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.22 399	3.37 476	2.20 321	2.30 381	3.48 408	1.62 291	11.62 478	16.09 506	0.29 141	0.16 7	0.48 389	0.37 353	0.30 113	0.29 139

mmx	2.98 411	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.49 478	3.05 449	2.20 321	2.30 381	3.48 408	1.62 291	11.62 478	16.09 506	0.33 235	0.28 283	0.48 389	0.37 353	0.44 317	0.37 244

xxx	2.98 411	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.49 478	3.05 449	2.20 321	2.30 381	3.48 408	1.62 291	11.62 478	16.09 506	0.33 235	0.28 283	0.48 389	0.37 353	0.44 317	0.37 244

iinet-f	2.26 294	1.18 391	13.71 335	1.14 269	1.11 335	3.77 272	1.10 344	4.14 382	2.17 302	2.06 274	1.76 235	2.99 369	2.99 424	2.50 231	2.49 407	0.35 267	0.39 379	0.27 106	0.28 227	0.45 325	0.39 265

test_5	1.87 229	0.75 272	10.23 300	1.14 269	1.40 402	3.85 295	1.27 375	3.91 312	1.93 251	1.69 167	1.78 243	1.67 196	1.79 334	2.99 264	1.17 206	0.30 180	0.18 45	0.35 290	0.33 308	0.34 195	0.33 197

DAS	2.31 308	0.67 205	4.79 240	1.14 269	1.64 445	2.93 138	2.13 454	4.09 366	2.74 408	4.17 485	2.52 409	2.46 318	1.79 334	11.55 475	1.63 309	0.37 286	0.22 168	0.39 336	0.25 154	0.41 280	0.34 210

SepStereo	2.15 279	0.67 205	4.79 240	1.14 269	1.64 445	2.93 138	2.13 454	4.09 366	2.74 408	4.17 485	2.52 409	2.46 318	1.79 334	8.36 373	1.63 309	0.37 286	0.22 168	0.39 336	0.25 154	0.41 280	0.34 210

UNet	2.51 353	0.74 260	20.17 460	1.14 269	1.44 411	3.48 215	0.76 169	3.77 275	1.87 239	2.05 269	1.57 173	2.75 346	2.39 394	3.51 273	2.51 409	0.32 219	0.26 262	0.41 352	0.26 172	0.38 241	0.39 265

acv_ft	1.55 177	0.64 174	3.29 206	1.14 269	2.01 481	2.93 138	0.97 308	3.81 282	2.08 278	2.22 332	1.88 287	3.10 378	1.66 311	1.33 86	2.22 384	0.29 141	0.26 262	0.30 176	0.26 172	0.39 251	0.27 110

DMCA	1.72 209	0.74 260	6.63 256	1.14 269	0.96 295	3.98 334	0.90 267	3.75 271	2.76 411	2.83 437	1.58 174	2.35 299	1.18 191	1.58 129	1.98 358	0.40 321	0.27 273	0.42 359	0.26 172	0.36 226	0.38 259

HSM	2.35 324	0.81 297	2.21 136	1.14 269	1.55 429	3.44 204	1.03 324	3.99 336	2.25 316	2.29 348	2.11 342	8.04 504	3.05 430	11.60 476	1.71 320	0.33 235	0.22 168	0.28 135	0.23 119	0.32 159	0.35 224

G2L-Stereo	2.49 350	0.94 342	14.54 354	1.15 282	1.35 390	3.57 240	0.95 299	3.62 245	2.00 262	2.11 285	1.61 186	3.20 385	1.34 217	9.54 398	1.91 347	0.34 247	0.27 273	0.35 290	0.28 227	0.30 113	0.35 224

MC-Stereo	1.06 91	0.48 28	1.55 71	1.15 282	0.41 49	4.56 456	0.61 88	2.06 63	1.46 76	1.90 213	1.61 186	0.89 88	1.12 172	1.35 89	0.73 78	0.25 56	0.18 45	0.26 80	0.22 106	0.25 37	0.24 62

qqq	1.30 153	0.57 95	1.67 80	1.15 282	0.51 113	2.18 90	0.91 275	3.98 332	1.53 125	1.50 138	1.24 86	1.79 224	1.34 217	4.66 299	0.98 171	0.28 121	0.31 316	0.33 253	0.33 308	0.33 177	0.32 183

NRIStereo	1.28 150	0.61 142	1.67 80	1.15 282	0.38 38	4.73 485	0.90 267	2.42 95	1.50 102	1.93 224	1.33 108	1.75 211	1.22 197	2.96 263	1.33 248	0.46 372	0.22 168	0.29 156	0.26 172	0.30 113	0.28 129

RAFT + AFF	2.51 353	2.66 481	4.48 237	1.15 282	1.95 478	4.15 368	2.01 448	4.46 473	3.30 474	2.19 318	2.51 408	2.22 285	4.87 476	8.91 384	2.06 366	0.30 180	0.60 455	0.48 389	0.38 366	0.77 435	0.69 411

NCCL2	2.53 357	1.35 423	10.90 310	1.15 282	0.97 299	3.53 229	2.56 469	3.65 249	2.23 311	2.76 430	1.80 249	2.41 306	1.66 311	10.35 427	2.07 369	0.44 358	0.40 384	0.57 431	0.53 434	0.59 381	0.65 404

AIO-test2	1.61 192	1.30 413	3.40 211	1.16 288	1.31 379	3.18 164	0.74 156	4.06 357	1.52 118	1.72 176	2.21 362	0.78 60	0.74 65	3.64 279	0.95 166	3.64 513	0.26 262	0.35 290	0.42 395	0.37 236	0.33 197

CSP-Net	1.78 220	1.32 419	1.92 102	1.16 288	1.03 316	3.38 195	1.31 379	3.52 229	1.75 218	1.96 233	1.93 303	2.40 304	1.48 256	8.58 378	1.58 295	0.46 372	0.34 343	0.27 106	0.26 172	0.41 280	0.50 348

DispNO	3.00 415	0.75 272	18.92 420	1.17 290	1.10 334	3.72 263	0.94 295	4.29 429	2.54 386	2.24 338	2.28 373	4.51 465	2.12 372	11.40 468	2.09 371	0.31 199	0.28 283	0.31 198	0.28 227	0.36 226	0.39 265

coex-ft	18.59 534	6.62 505	113.53 553	1.17 290	1.31 379	2.33 98	1.93 443	2.81 152	14.00 526	124.82 555	8.45 500	5.90 495	51.74 548	9.99 415	22.69 529	0.57 423	0.62 458	0.50 405	0.49 417	1.08 466	1.28 470

rafts_anoy	1.24 131	0.80 293	3.61 222	1.17 290	1.20 360	3.00 145	0.61 88	3.17 185	1.58 157	1.37 123	1.26 93	1.19 134	1.12 172	1.78 168	1.25 227	0.32 219	0.23 195	0.32 218	0.32 300	0.31 133	0.30 165

FADNet	2.49 350	1.76 455	13.17 326	1.17 290	0.95 294	3.27 181	0.88 258	3.94 321	2.27 321	1.40 127	1.29 102	2.51 323	2.06 366	9.93 412	1.94 351	0.43 351	0.45 409	0.40 342	0.43 398	1.06 461	0.53 363

ADCRef	3.30 438	1.23 406	14.90 359	1.17 290	1.41 409	3.95 322	1.64 423	3.88 301	2.36 343	3.05 451	2.21 362	2.40 304	2.81 418	5.04 304	16.63 511	0.46 372	0.34 343	0.63 448	0.62 451	0.54 365	0.67 406

AANet_RVC	3.03 419	1.72 452	12.78 324	1.17 290	1.12 337	3.79 277	1.10 344	3.86 295	3.13 455	2.62 414	4.26 476	3.96 438	1.41 234	11.43 471	5.23 457	0.94 468	0.47 422	0.34 271	0.23 119	0.40 256	0.55 373

Wz-Net-LNSev	2.30 307	1.67 451	14.88 358	1.18 296	1.65 449	3.49 218	1.54 414	3.63 246	2.03 266	1.88 206	1.64 193	3.29 393	2.06 366	2.71 255	2.02 362	0.40 321	0.33 331	0.32 218	0.31 289	0.53 362	0.49 341

aanetorigin	3.30 438	1.66 449	17.52 398	1.18 296	1.58 437	2.57 112	3.80 504	2.65 131	2.03 266	6.12 506	4.30 477	2.82 357	5.70 485	5.47 314	4.67 448	0.50 400	0.44 404	0.43 363	0.47 409	1.17 476	0.92 450

testlalala_base	1.62 194	0.74 260	1.63 77	1.19 298	1.40 402	2.63 116	0.84 224	4.09 366	1.31 45	1.22 111	1.42 133	1.21 139	0.85 99	1.16 46	0.73 78	3.92 519	2.10 506	0.27 106	0.18 31	4.49 518	1.11 464

EDNetEfficientorigin	12.35 526	2.51 475	179.47 556	1.19 298	0.96 295	2.91 133	1.81 436	3.00 166	5.35 507	8.91 519	4.79 480	4.18 451	4.64 473	9.98 414	11.30 489	0.37 286	0.38 370	0.60 440	0.85 472	1.32 483	2.43 503

CSAN	4.71 479	1.39 428	20.23 462	1.19 298	0.87 271	3.65 255	3.50 496	4.57 487	3.87 488	3.89 477	7.82 494	3.54 422	6.16 493	23.47 536	6.82 465	0.52 412	0.45 409	0.49 402	0.52 430	0.63 395	0.66 405

PSMNet_ROB	2.95 402	1.38 426	18.46 413	1.19 298	1.20 360	3.80 279	1.65 426	3.54 234	2.35 340	1.98 237	1.71 215	2.75 346	1.79 334	11.43 471	2.78 423	0.42 346	0.36 351	0.50 405	0.60 447	0.59 381	0.49 341

ITSA-stereo	1.86 228	0.72 241	3.74 226	1.20 302	0.66 191	4.09 353	0.91 275	4.24 411	2.53 382	1.93 224	1.77 240	1.59 188	2.15 376	6.12 332	2.44 403	0.40 321	0.38 370	0.40 342	0.40 383	0.50 351	0.98 456

1111x	3.13 428	0.57 95	8.38 275	1.20 302	0.76 229	3.80 279	0.88 258	4.61 490	2.63 395	2.31 358	2.16 351	1.95 251	1.81 342	11.54 474	18.13 519	0.32 219	0.31 316	0.32 218	0.30 273	0.35 213	0.34 210

ssnet_v2	2.04 265	0.88 322	7.87 267	1.20 302	0.87 271	3.86 297	1.64 423	4.01 340	2.60 392	2.61 413	1.96 305	3.79 430	1.71 322	2.20 215	2.96 427	0.41 335	0.35 347	0.42 359	0.37 353	0.55 367	0.52 361

ADLNet2	3.15 431	0.92 332	20.06 453	1.20 302	1.79 468	3.83 283	1.48 404	3.94 321	3.59 482	2.19 318	2.47 403	4.65 474	1.93 359	10.69 438	1.96 356	0.39 315	0.37 364	0.28 135	0.30 273	0.48 343	0.43 304

GEStereo_RVC	1.91 240	0.80 293	6.57 255	1.20 302	1.06 324	4.02 340	1.43 402	4.13 376	1.89 245	2.03 265	1.80 249	2.34 297	1.86 351	4.94 303	1.77 331	0.48 385	0.38 370	0.32 218	0.28 227	0.42 299	0.50 348

BEATNet_4x	1.92 243	1.36 424	8.75 281	1.20 302	0.56 141	3.46 209	1.03 324	4.00 338	2.43 363	2.25 341	1.70 211	2.10 278	1.59 283	2.57 245	3.05 431	0.37 286	0.22 168	0.47 381	0.29 255	0.60 385	0.40 285

StereoDRNet-Refined	1.77 219	0.81 297	2.22 139	1.21 308	0.76 229	3.26 179	0.71 136	3.82 285	2.05 273	2.29 348	2.05 329	2.98 368	1.44 245	7.15 354	2.27 388	0.30 180	0.23 195	0.42 359	0.33 308	0.45 325	0.64 402
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	3.62 449	0.70 226	21.42 509	1.21 308	0.89 279	4.43 429	1.76 432	4.39 461	2.79 415	5.88 503	3.38 461	4.18 451	5.12 478	10.75 439	2.32 391	0.56 421	0.55 442	0.53 418	0.51 427	0.55 367	0.46 326

MSMD_ROB	5.61 493	1.08 372	16.68 381	1.21 308	0.83 253	10.14 520	2.07 452	3.93 318	6.22 513	10.37 527	8.03 496	22.22 530	9.45 515	11.66 484	4.52 447	0.66 440	0.58 450	0.66 454	0.68 457	0.65 405	0.63 399

MyStereo8	2.33 315	1.13 381	19.26 428	1.22 311	1.62 441	4.16 378	0.57 71	3.50 225	2.36 343	2.15 303	1.75 226	2.28 288	1.14 180	1.46 112	2.20 382	0.24 35	0.21 139	0.32 218	0.27 198	0.36 226	0.43 304

IGEV_Zeroshot_test	2.16 280	0.69 216	20.60 483	1.22 311	0.54 131	2.18 90	0.53 61	3.38 213	1.61 177	1.93 224	1.55 168	3.76 429	1.05 150	1.55 125	0.91 148	0.29 141	0.20 108	0.27 106	0.29 255	0.40 256	0.32 183

xxxx	2.67 378	0.54 69	2.03 112	1.22 311	0.81 242	3.49 218	0.63 102	4.49 478	2.49 376	2.22 332	2.23 365	2.05 271	1.38 222	10.05 418	17.91 517	0.32 219	0.32 324	0.30 176	0.27 198	0.33 177	0.34 210

GwcNet-RSSM	2.66 376	1.05 364	15.91 371	1.22 311	1.19 355	4.12 361	1.12 348	3.84 289	2.02 264	1.93 224	1.79 246	3.12 381	1.46 252	10.37 428	2.05 365	0.33 235	0.27 273	0.35 290	0.30 273	0.40 256	0.36 230

HGLStereo	2.03 263	0.74 260	7.50 266	1.23 315	1.56 432	3.62 249	0.95 299	3.78 278	1.89 245	2.03 265	2.20 360	3.12 381	2.14 375	5.68 320	2.04 363	0.37 286	0.31 316	0.32 218	0.29 255	0.40 256	0.45 316

DMCA-RVC	2.45 340	1.22 402	18.29 407	1.23 315	1.14 340	2.49 107	0.85 233	3.29 199	1.68 194	3.02 448	1.41 131	2.00 263	1.53 275	6.39 337	2.00 359	0.38 303	0.30 306	0.44 367	0.35 331	0.45 325	0.44 310

FCDSN-DC	6.04 500	0.84 311	19.25 426	1.24 317	1.09 332	4.38 416	2.62 471	4.38 459	4.71 500	9.59 524	11.22 515	19.19 525	17.40 527	12.30 501	8.55 478	0.69 449	0.57 445	0.60 440	0.60 447	0.70 418	0.78 433
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DLCB_ROB	2.05 267	0.95 344	2.37 156	1.24 317	1.02 315	2.92 135	1.30 378	3.68 256	2.30 328	2.91 439	2.17 354	3.32 397	1.52 268	10.37 428	2.50 408	0.40 321	0.33 331	0.40 342	0.36 341	0.41 280	0.47 331

GANet-ADL	2.20 285	0.73 252	20.11 458	1.25 319	0.69 209	3.83 283	0.76 169	3.49 222	1.71 204	1.65 162	1.99 315	2.10 278	1.10 168	1.42 101	1.26 230	0.38 303	0.33 331	0.25 59	0.22 106	0.42 299	0.36 230

RALAANet	1.28 150	1.08 372	3.21 201	1.25 319	0.94 291	1.44 43	0.69 128	3.15 182	2.57 389	2.01 256	1.80 249	1.29 149	1.05 150	2.00 192	1.48 276	0.27 84	0.20 108	0.27 106	0.24 143	0.40 256	0.27 110

UPFNet	1.81 224	0.63 161	6.71 257	1.25 319	1.44 411	3.50 222	1.35 383	4.02 344	1.85 237	2.40 382	1.52 155	2.41 306	1.40 229	3.62 277	1.88 343	0.34 247	0.33 331	0.37 317	0.31 289	0.41 280	0.39 265

FAT-Stereo	3.34 441	0.81 297	20.05 452	1.25 319	1.20 360	3.44 204	1.99 447	4.23 403	2.67 401	3.14 456	3.82 471	3.51 417	3.32 442	11.68 486	1.94 351	0.64 435	0.67 466	0.48 389	0.52 430	0.61 390	0.81 438

NCC-stereo	3.16 432	1.28 411	18.31 409	1.25 319	1.75 463	4.06 346	1.40 395	3.89 303	2.22 309	2.72 427	2.55 412	3.49 414	2.65 410	9.91 410	2.99 428	1.29 488	0.65 462	0.64 451	0.86 473	0.65 405	0.71 416

Abc-Net	3.16 432	1.28 411	18.31 409	1.25 319	1.75 463	4.06 346	1.40 395	3.89 303	2.22 309	2.72 427	2.55 412	3.49 414	2.65 410	9.91 410	2.99 428	1.29 488	0.65 462	0.64 451	0.86 473	0.65 405	0.71 416
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DDVS	1.68 205	0.79 289	2.52 164	1.26 325	1.16 346	3.17 163	0.78 186	3.12 179	1.82 228	1.86 201	1.91 299	2.92 366	1.43 242	6.20 333	1.63 309	0.45 367	0.65 462	0.34 271	0.38 366	0.48 343	0.79 436

RAFT-RH_RVC	2.63 372	0.55 75	19.97 450	1.26 325	0.47 93	4.46 431	0.57 71	1.71 34	1.64 184	3.06 452	5.51 485	2.03 267	1.28 206	6.70 345	1.52 288	0.42 346	0.22 168	0.37 317	0.34 316	0.28 78	0.29 139

raftrobust	1.19 113	0.72 241	2.30 149	1.26 325	1.31 379	3.55 234	0.68 123	2.75 144	1.47 81	2.21 329	1.38 124	1.17 126	1.22 197	1.20 60	1.11 194	0.28 121	0.24 228	0.21 5	0.19 47	0.25 37	0.28 129

psm_up	2.28 301	0.81 297	5.45 250	1.26 325	1.50 420	3.84 288	1.23 371	4.23 403	2.03 266	2.55 400	1.80 249	2.44 315	1.65 309	12.90 510	1.58 295	0.37 286	0.38 370	0.41 352	0.34 316	0.43 309	0.39 265

MFN_U_SF_DS_RVC	3.94 461	10.88 526	12.30 322	1.26 325	1.55 429	5.19 499	3.33 492	4.42 465	2.82 427	2.58 407	2.62 420	5.00 482	2.11 371	14.03 523	2.73 420	1.28 487	2.34 514	0.67 456	1.83 506	0.81 442	1.03 458

ADCMid	3.96 462	3.27 488	15.48 369	1.26 325	1.40 402	4.66 469	2.28 459	4.06 357	3.54 481	3.94 478	3.02 446	3.85 433	3.67 454	4.03 290	18.65 522	0.68 446	0.61 457	1.09 486	1.18 491	1.38 484	1.08 461

SANet	5.65 495	1.72 452	20.94 494	1.26 325	0.88 274	7.20 512	3.81 505	4.60 489	11.23 520	4.56 492	8.78 504	7.49 501	6.95 500	11.85 494	18.11 518	0.49 397	0.44 404	0.50 405	0.42 395	0.90 450	0.82 442

ISRNet	1.69 206	0.76 277	5.69 252	1.27 332	1.36 393	2.85 126	0.61 88	3.60 241	1.91 249	2.13 292	2.12 345	2.90 361	1.41 234	2.51 234	1.71 320	0.49 397	0.50 433	0.56 428	0.47 409	0.49 349	0.57 379

edge stereo	3.37 443	1.01 356	21.99 518	1.28 333	1.37 395	2.67 117	1.39 393	3.98 332	2.87 430	2.93 441	3.27 459	4.35 459	2.43 397	11.62 478	2.39 394	0.60 427	0.63 460	0.79 470	0.55 437	0.68 415	0.67 406

ADCPNet	3.89 458	1.63 445	20.25 466	1.28 333	1.27 375	6.43 508	2.65 472	3.93 318	2.70 404	2.78 432	2.20 360	4.28 457	6.16 493	5.56 317	10.27 485	0.65 438	1.18 489	0.71 460	1.70 501	0.84 446	1.37 476

AdaStereo	1.45 171	0.83 307	2.34 155	1.28 333	0.81 242	3.21 166	1.14 353	4.20 391	2.46 371	2.05 269	1.77 240	2.48 320	1.18 191	1.71 160	1.44 264	0.43 351	0.25 249	0.43 363	0.28 227	0.44 317	0.34 210
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
G2L-Stereo_aug	2.62 370	0.63 161	18.80 417	1.29 336	1.11 335	3.13 159	0.89 261	3.65 249	1.84 235	2.21 329	2.16 351	3.04 373	2.10 370	7.62 363	2.39 394	0.28 121	0.21 139	0.32 218	0.20 61	0.30 113	0.33 197

test_sample5	2.33 315	0.62 152	11.29 313	1.29 336	0.83 253	3.09 156	0.74 156	4.28 426	2.31 332	2.20 321	1.97 311	1.68 198	1.39 225	11.19 462	1.47 273	0.37 286	0.31 316	0.37 317	0.37 353	0.41 280	0.39 265

DualNet	2.33 315	0.62 152	11.29 313	1.29 336	0.83 253	3.09 156	0.74 156	4.28 426	2.31 332	2.26 344	2.04 323	1.68 198	1.39 225	11.19 462	1.47 273	0.37 286	0.31 316	0.37 317	0.37 353	0.41 280	0.39 265

GMStereo_Zeroshot	1.41 167	1.21 396	3.33 209	1.29 336	0.72 215	3.35 192	0.53 61	2.58 124	1.68 194	2.35 370	1.56 171	2.42 309	0.96 125	2.50 231	1.16 203	0.45 367	0.23 195	0.40 342	0.24 143	0.79 439	0.33 197

FINET	2.96 405	1.07 370	23.18 527	1.29 336	1.86 473	2.03 78	1.52 409	4.30 437	4.71 500	2.23 336	2.34 395	1.65 194	1.48 256	5.89 325	2.81 425	0.51 406	0.47 422	0.49 402	0.40 383	0.59 381	0.49 341

PSMNet-RSSM	1.96 250	0.77 280	3.26 204	1.29 336	1.31 379	4.19 390	0.96 305	3.68 256	1.89 245	2.05 269	1.80 249	2.60 331	1.70 320	9.84 407	1.81 335	0.35 267	0.29 293	0.35 290	0.37 353	0.42 299	0.35 224

ADCL	4.35 472	1.63 445	14.21 349	1.29 336	1.26 374	5.56 503	11.16 522	3.97 330	3.37 476	6.07 504	4.67 479	4.30 458	5.72 486	5.08 306	14.51 501	0.50 400	0.48 428	0.89 477	0.77 466	0.78 437	0.76 429

TDLM	2.29 304	1.08 372	4.61 239	1.29 336	1.01 314	4.26 401	2.17 456	3.75 271	2.79 415	2.31 358	1.98 313	2.06 273	1.59 283	12.45 505	1.72 322	0.51 406	0.28 283	0.52 414	0.35 331	0.56 373	0.50 348

test_sample4	2.34 319	0.63 161	11.59 316	1.30 344	0.83 253	3.07 154	0.72 139	4.27 421	2.30 328	2.30 352	1.88 287	1.73 209	1.42 239	11.14 461	1.46 268	0.35 267	0.29 293	0.35 290	0.36 341	0.40 256	0.38 259

Wz-Net-LNSev-Ref	2.42 336	1.47 436	14.14 347	1.30 344	1.35 390	3.51 225	1.64 423	4.04 349	2.10 289	2.46 388	1.88 287	2.28 288	2.51 403	4.73 302	3.17 433	0.38 303	0.19 74	0.35 290	0.20 61	0.40 256	0.36 230

XX-TBD	1.03 88	0.95 344	1.94 103	1.30 344	0.43 61	3.97 332	0.33 11	1.74 36	1.73 210	1.59 146	2.02 319	0.69 39	0.60 32	1.16 46	0.66 48	0.30 180	0.25 249	0.23 17	0.15 4	0.31 133	0.22 40

coex_refinement	2.10 273	0.85 315	3.67 225	1.31 347	1.13 339	3.21 166	0.85 233	3.86 295	2.31 332	2.51 395	1.92 301	3.49 414	1.69 318	11.08 458	2.13 376	0.37 286	0.25 249	0.27 106	0.31 289	0.41 280	0.37 244

SDNR	3.97 463	1.93 461	20.28 468	1.31 347	0.94 291	5.16 498	0.67 118	4.33 446	2.58 390	4.82 496	5.94 488	5.01 483	1.45 249	17.52 527	2.53 411	0.79 456	0.72 473	0.59 435	0.45 404	1.15 474	1.17 466

APVNet	3.13 428	1.25 408	21.14 499	1.31 347	1.52 423	3.94 317	1.13 351	3.32 206	2.14 296	2.20 321	2.03 320	3.05 377	1.96 360	11.79 491	2.53 411	0.42 346	0.45 409	0.64 451	0.46 406	0.67 412	0.57 379

GIP-stereo	0.88 47	0.50 37	1.34 49	1.32 350	0.94 291	2.90 130	0.42 33	3.41 216	1.06 20	0.63 22	0.76 23	0.90 90	0.76 72	0.91 7	0.52 22	0.27 84	0.18 45	0.25 59	0.16 12	0.25 37	0.19 4

GwcNet	3.00 415	1.63 445	19.83 444	1.32 350	2.04 485	3.27 181	1.55 415	3.65 249	2.33 337	2.00 254	2.12 345	3.56 423	1.68 317	9.47 396	2.45 404	0.44 358	0.45 409	0.46 378	0.38 366	0.60 385	0.76 429

ac_64	2.35 324	0.62 152	9.77 292	1.32 350	1.71 459	3.27 181	0.93 290	3.48 219	2.50 377	1.74 180	1.73 220	3.91 435	1.77 331	10.21 423	1.86 341	0.40 321	0.31 316	0.33 253	0.30 273	0.34 195	0.39 265

NVstereo2D	2.54 359	0.90 325	11.10 311	1.32 350	1.47 415	3.58 241	1.38 392	4.13 376	2.45 368	1.90 213	1.71 215	2.86 359	1.76 329	10.86 444	1.66 315	0.60 427	0.43 399	0.53 418	0.41 389	0.78 437	0.94 452

CBMV	3.32 440	0.96 350	21.16 501	1.32 350	0.83 253	3.81 281	3.91 507	4.47 474	2.53 382	3.34 465	2.24 366	4.45 462	2.58 407	10.07 419	1.96 356	0.45 367	0.43 399	0.48 389	0.38 366	0.52 356	0.53 363
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ACV-stereo	2.92 400	0.92 332	20.27 467	1.33 355	1.05 321	4.68 472	1.10 344	2.66 133	1.64 184	1.46 133	1.32 107	5.41 492	4.24 466	7.83 368	1.90 346	0.44 358	0.52 435	0.32 218	0.29 255	0.45 325	0.63 399

test_sample6	2.35 324	0.62 152	10.78 308	1.33 355	0.83 253	3.15 162	0.79 193	4.36 455	2.43 363	2.26 344	2.04 323	1.69 203	1.39 225	11.48 473	1.61 302	0.38 303	0.32 324	0.37 317	0.39 372	0.41 280	0.42 295

test_sample3	2.34 319	0.61 142	11.94 319	1.33 355	0.85 261	3.10 158	0.73 144	4.24 411	2.19 305	2.21 329	1.75 226	1.80 227	1.41 234	11.11 460	1.46 268	0.35 267	0.29 293	0.34 271	0.35 331	0.39 251	0.37 244

AF-Net	2.87 395	1.30 413	16.24 374	1.33 355	1.75 463	3.26 179	1.59 418	4.09 366	2.43 363	2.69 425	2.94 442	4.51 465	3.20 437	5.84 324	2.75 422	0.76 454	0.36 351	0.72 464	0.49 417	0.70 418	0.56 375

DeepPrunerF	3.70 452	1.72 452	14.87 357	1.33 355	1.74 462	3.70 260	1.55 415	4.20 391	14.00 526	2.02 261	1.77 240	2.74 344	2.30 387	10.88 445	6.88 467	0.68 446	0.60 455	0.78 469	0.78 469	0.81 442	0.71 416

StereoDRNet	2.84 391	1.49 438	14.48 353	1.33 355	1.57 436	3.44 204	2.06 450	3.69 261	2.36 343	3.26 462	1.84 273	2.79 356	1.80 339	10.88 445	3.16 432	0.41 335	0.33 331	0.39 336	0.36 341	0.59 381	0.58 384

PWC_ROB	2.69 383	2.01 465	8.36 274	1.33 355	1.90 476	3.23 170	1.18 360	4.33 446	3.25 469	3.11 454	3.41 462	2.71 341	2.18 383	9.15 390	4.48 446	0.56 421	0.31 316	0.61 443	0.36 341	0.69 417	0.74 424

Syn2CoEx	3.08 423	2.55 480	19.88 446	1.34 362	1.18 348	2.43 103	1.65 426	3.91 312	2.40 358	2.39 380	2.27 370	2.90 361	3.17 436	9.57 401	2.54 413	0.50 400	0.45 409	0.53 418	0.39 372	0.74 431	0.72 422

CFNet	2.34 319	1.10 376	8.96 282	1.34 362	1.24 369	4.09 353	0.73 144	4.04 349	2.77 412	1.62 154	1.87 286	2.27 287	1.45 249	11.41 469	1.82 336	0.31 199	0.24 228	0.43 363	0.36 341	0.43 309	0.33 197

HITNet	2.07 270	0.82 304	14.77 355	1.34 362	0.56 141	3.47 212	0.80 203	4.07 360	2.35 340	2.16 308	1.61 186	1.64 193	1.44 245	2.09 202	2.56 415	0.26 69	0.18 45	0.41 352	0.26 172	0.45 325	0.25 72
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MeshStereo	5.35 489	1.32 419	21.34 506	1.34 362	1.15 342	4.40 423	3.90 506	5.18 503	4.55 497	10.14 526	11.82 519	11.47 510	5.84 487	13.84 521	7.03 469	0.61 429	0.58 450	0.60 440	0.58 443	0.72 430	0.59 388
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AASNet	2.44 339	0.92 332	19.79 442	1.35 366	1.49 418	3.81 281	1.07 333	3.85 292	2.93 437	1.95 229	2.29 376	1.96 256	1.29 209	1.73 162	1.93 349	0.39 315	0.33 331	0.45 373	0.30 273	0.55 367	0.45 316

raft+_RVC	1.21 121	0.83 307	2.61 172	1.35 366	0.97 299	3.60 244	0.76 169	3.23 192	1.51 109	1.33 116	1.67 202	1.03 110	1.10 168	1.87 183	0.92 151	0.24 35	0.22 168	0.25 59	0.24 143	0.26 50	0.25 72

ADLNet	2.29 304	0.83 307	3.62 223	1.35 366	1.60 438	3.67 257	1.24 373	3.95 323	2.98 443	2.58 407	2.29 376	4.01 441	1.79 334	11.23 464	2.09 371	0.37 286	0.38 370	0.36 305	0.34 316	0.45 325	0.71 416

FENet	2.25 292	0.50 37	20.29 469	1.35 366	0.67 198	4.01 338	0.60 84	3.95 323	1.99 258	1.96 233	1.11 64	2.43 312	1.43 242	1.60 136	1.39 254	0.32 219	0.22 168	0.33 253	0.26 172	0.29 90	0.39 265

Nwc_Net	2.88 397	1.16 389	18.30 408	1.35 366	1.68 456	3.52 228	1.18 360	3.90 308	2.06 275	2.52 397	2.82 439	3.82 432	2.34 391	6.78 349	2.55 414	0.86 465	0.40 384	0.59 435	0.67 454	0.57 377	0.55 373

DRN-Test	3.03 419	0.99 352	18.18 404	1.35 366	1.60 438	3.59 242	1.48 404	4.13 376	2.45 368	3.47 470	1.92 301	2.58 330	2.53 404	10.88 445	2.80 424	0.39 315	0.36 351	0.44 367	0.41 389	0.55 367	0.57 379

YMNet	2.40 332	1.41 431	13.46 331	1.36 372	1.67 453	3.96 327	0.97 308	3.81 282	2.37 349	2.64 418	2.57 416	3.35 399	1.53 275	3.28 268	2.42 400	0.48 385	0.54 438	0.52 414	0.49 417	0.70 418	0.54 369

YMNet_1	2.40 332	1.41 431	13.46 331	1.36 372	1.67 453	3.96 327	0.97 308	3.81 282	2.37 349	2.64 418	2.57 416	3.35 399	1.53 275	3.28 268	2.42 400	0.48 385	0.54 438	0.52 414	0.49 417	0.70 418	0.54 369

SMFormer	2.00 258	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	2.13 376	0.34 247	0.32 324	0.36 305	0.31 289	0.38 241	0.36 230

tta	2.00 258	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	2.13 376	0.34 247	0.32 324	0.36 305	0.31 289	0.29 90	0.29 139

qqq1	1.92 243	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	0.71 71	0.34 247	0.32 324	0.30 176	0.23 119	0.29 90	0.29 139

fff1	1.92 243	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	0.71 71	0.34 247	0.32 324	0.30 176	0.23 119	0.29 90	0.29 139

S-Stereo	3.48 445	0.91 330	22.06 520	1.36 372	1.50 420	3.55 234	2.53 468	4.21 396	2.81 425	2.37 375	3.81 470	3.75 428	1.84 346	11.90 496	2.51 409	0.63 432	0.71 472	0.48 389	0.76 464	0.67 412	1.19 468

XQC	2.96 405	2.42 474	14.85 356	1.36 372	1.32 384	3.29 189	1.53 411	4.28 426	2.78 413	3.21 460	2.46 401	3.53 419	2.92 422	6.58 340	4.67 448	0.70 450	0.41 391	0.59 435	0.56 439	0.96 457	0.83 443

UCFNet_RVC	1.57 183	0.84 311	3.25 203	1.36 372	1.40 402	4.07 351	1.01 319	2.68 134	1.50 102	2.11 285	1.88 287	2.37 302	1.50 263	3.41 271	1.42 261	0.36 278	0.28 283	0.52 414	0.40 383	0.53 362	0.43 304

XPNet_ROB	2.27 296	1.11 379	4.10 230	1.36 372	0.97 299	3.94 317	1.63 421	4.07 360	2.14 296	2.82 436	2.00 317	2.32 296	1.73 327	10.81 443	3.39 435	0.51 406	0.47 422	0.48 389	0.40 383	0.51 353	0.56 375

ASMatch	2.62 370	0.60 127	20.65 484	1.37 382	0.64 177	4.39 419	0.78 186	1.97 56	1.58 157	1.70 171	3.89 473	1.94 249	3.79 456	5.46 313	1.64 312	0.31 199	0.24 228	0.34 271	0.28 227	0.33 177	0.50 348

stereogan	3.09 424	0.93 336	16.43 377	1.37 382	1.66 452	3.70 260	1.67 428	3.87 298	3.15 459	3.04 449	2.70 428	5.04 484	2.79 416	9.96 413	1.78 333	0.63 432	0.49 432	0.69 457	0.47 409	0.83 445	0.68 409

UDGNet	1.40 165	1.52 440	2.22 139	1.38 384	0.62 173	4.39 419	0.68 123	1.80 42	2.18 304	1.34 117	1.18 73	0.99 104	1.00 136	2.16 209	1.19 209	1.09 474	0.34 343	1.30 491	0.98 481	1.10 467	0.58 384

PA-Net	3.09 424	1.24 407	18.84 418	1.38 384	1.19 355	3.42 202	1.75 431	3.89 303	3.27 473	1.88 206	2.10 338	3.03 372	1.88 355	11.60 476	2.88 426	0.40 321	0.54 438	0.44 367	0.62 451	0.52 356	1.02 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MM-Stereo_test1	1.90 236	0.53 59	19.85 445	1.39 386	0.48 101	1.81 65	0.79 193	3.00 166	1.82 228	1.69 167	1.09 61	0.87 83	0.97 128	1.45 108	0.74 82	0.24 35	0.21 139	0.27 106	0.24 143	0.35 213	0.24 62

DPSNet	3.43 444	1.37 425	12.19 320	1.39 386	1.24 369	4.15 368	2.06 450	4.51 482	3.34 475	2.69 425	1.96 305	3.52 418	5.56 484	10.68 437	9.68 482	0.93 467	0.73 474	0.40 342	0.37 353	1.06 461	0.86 444

iResNet_ROB	1.89 234	1.02 357	8.60 278	1.39 386	0.98 303	3.72 263	0.66 117	3.84 289	2.65 398	1.88 206	2.05 329	1.98 260	1.27 204	4.52 297	1.67 316	0.30 180	0.20 108	0.28 135	0.18 31	0.31 133	0.40 285

Consistency-Raft	2.86 392	1.66 449	19.61 436	1.40 389	1.75 463	3.84 288	1.32 380	4.07 360	2.25 316	1.78 186	2.67 425	1.82 233	4.41 469	1.94 189	2.06 366	0.83 463	0.94 483	1.03 481	1.12 487	1.70 491	1.09 462

test_sample2	1.75 216	0.56 86	2.25 142	1.41 390	0.80 239	2.91 133	0.86 236	4.05 353	2.04 270	1.91 218	1.39 126	1.57 184	1.55 280	10.65 436	1.06 182	0.32 219	0.28 283	0.32 218	0.30 273	0.36 226	0.33 197

mmm	1.27 147	0.58 108	2.20 134	1.41 390	0.68 203	2.39 101	0.85 233	3.90 308	1.63 183	2.20 321	1.84 273	1.28 146	1.50 263	1.91 186	0.89 137	0.31 199	0.27 273	0.45 373	0.37 353	0.38 241	0.34 210

ttt	2.76 386	0.56 86	2.28 148	1.41 390	1.21 366	3.67 257	0.77 182	4.59 488	2.94 438	2.35 370	2.30 381	2.45 316	1.54 278	11.25 465	15.56 504	0.43 351	0.36 351	0.37 317	0.33 308	0.40 256	0.40 285

fast-acv-ft	2.54 359	1.19 393	20.08 456	1.41 390	1.40 402	3.18 164	1.17 359	3.37 212	2.28 324	1.90 213	2.15 350	2.69 338	2.17 381	2.91 259	2.31 390	0.37 286	0.39 379	0.45 373	0.39 372	0.57 377	0.45 316

MM-Stereo_test2	1.79 221	0.53 59	20.16 459	1.43 394	0.47 93	2.57 112	0.73 144	1.67 30	1.47 81	0.94 83	0.96 41	0.84 73	0.79 85	1.16 46	0.68 55	0.24 35	0.17 18	0.25 59	0.22 106	0.30 113	0.22 40

WZ-Net	3.62 449	4.87 497	16.77 384	1.43 394	1.40 402	3.75 269	2.29 460	4.12 375	2.50 377	2.74 429	2.19 358	4.06 444	5.29 481	10.19 422	7.36 471	0.54 417	0.37 364	0.47 381	0.49 417	0.77 435	0.73 423

STTStereo	2.34 319	0.95 344	14.93 361	1.43 394	1.54 425	3.86 297	0.86 236	3.65 249	2.44 367	2.15 303	1.55 168	2.49 322	1.59 283	5.14 307	1.44 264	0.38 303	0.39 379	0.47 381	0.51 427	0.52 356	0.51 356

test_sample1	1.62 194	0.55 75	1.88 97	1.44 397	0.79 237	2.27 94	0.64 105	4.00 338	1.82 228	1.87 203	1.35 116	1.57 184	1.62 291	9.55 400	1.24 224	0.30 180	0.27 273	0.31 198	0.28 227	0.32 159	0.32 183

x	1.15 106	0.57 95	1.53 67	1.44 397	0.67 198	1.94 74	0.97 308	3.87 298	1.57 154	1.61 152	1.28 100	1.58 186	1.22 197	1.93 187	1.04 180	0.28 121	0.30 306	0.34 271	0.29 255	0.32 159	0.31 174

SACVNet	2.46 343	1.14 385	9.47 290	1.44 397	1.18 348	4.06 346	1.49 408	3.84 289	2.24 313	2.62 414	1.89 293	2.57 328	1.28 206	11.35 467	1.64 312	0.50 400	0.39 379	0.48 389	0.41 389	0.55 367	0.75 427

SST-Stereo	1.76 217	0.58 108	3.10 197	1.44 397	0.46 83	4.71 484	0.76 169	2.22 79	2.79 415	2.07 277	2.18 356	2.43 312	3.22 438	6.66 344	0.84 114	0.42 346	0.19 74	0.30 176	0.27 198	0.35 213	0.26 96

AACVNet	1.83 225	1.02 357	2.41 160	1.45 401	0.87 271	3.21 166	0.73 144	3.16 183	1.61 177	2.01 256	1.82 267	2.28 288	1.33 216	10.98 450	1.49 279	0.39 315	0.32 324	0.38 333	0.32 300	0.43 309	0.44 310

SuperB	4.79 481	4.41 496	21.08 498	1.45 401	1.08 328	3.91 305	3.08 487	4.18 387	3.01 446	2.50 393	2.10 338	2.75 346	3.49 451	8.80 381	19.60 526	0.44 358	0.33 331	0.53 418	0.39 372	12.01 537	0.64 402

RAFT_R40	1.70 208	0.59 115	2.99 193	1.46 403	0.46 83	4.74 488	0.98 314	2.23 80	1.56 148	2.02 261	2.35 396	2.71 341	2.56 406	6.71 347	0.90 141	0.40 321	0.19 74	0.30 176	0.27 198	0.33 177	0.26 96

RGC	3.10 426	1.45 435	14.90 359	1.46 403	1.79 468	3.33 191	1.39 393	4.04 349	2.26 319	2.77 431	3.26 458	4.00 440	2.71 413	11.63 483	2.62 418	0.82 461	0.46 418	0.79 470	0.79 470	0.71 427	0.78 433

CVANet_RVC	2.55 363	1.10 376	9.13 288	1.46 403	1.15 342	3.96 327	1.53 411	3.91 312	2.50 377	3.04 449	2.04 323	2.60 331	1.72 324	12.46 506	1.50 280	0.49 397	0.30 306	0.51 408	0.41 389	0.63 395	0.50 348

TCMNet	2.98 411	1.30 413	18.26 406	1.47 406	2.09 486	3.84 288	1.08 338	3.96 328	2.39 357	2.53 398	2.29 376	2.43 312	1.75 328	10.09 420	2.39 394	0.52 412	0.45 409	0.61 443	0.50 423	0.80 441	0.78 433

STTRV1_RVC	3.52 446	1.03 362	20.87 491	1.47 406	1.47 415	3.23 170	1.55 415	4.06 357	3.22 467	1.95 229	3.50 465	2.63 335	2.07 368	11.96 498	2.21 383	1.86 495	4.03 529	0.81 473	0.73 461	1.06 461	0.70 415

NVStereoNet_ROB	4.91 484	1.40 429	16.46 378	1.47 406	1.72 461	3.46 209	1.96 444	3.89 303	3.61 483	2.90 438	24.61 535	4.81 476	4.49 471	13.57 517	4.87 453	1.33 491	1.29 494	1.70 496	1.68 499	1.41 486	1.66 484
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
test_sample7	1.65 200	0.70 226	2.60 169	1.48 409	0.76 229	2.38 99	1.07 333	4.35 450	2.11 291	2.14 295	1.75 226	1.75 211	1.67 313	6.26 335	1.26 230	0.44 358	0.48 428	0.43 363	0.40 383	0.46 336	0.43 304

Wz-Net-TNSev	3.67 451	8.83 512	13.47 333	1.48 409	1.18 348	3.60 244	2.49 466	4.27 421	3.13 455	2.18 314	1.89 293	4.21 455	2.80 417	12.10 499	7.58 473	0.57 423	0.55 442	0.47 381	0.54 436	0.91 451	1.05 459

cf-r	2.57 367	0.79 289	16.09 373	1.48 409	1.35 390	4.19 390	0.93 290	3.68 256	2.36 343	1.97 235	1.81 261	3.42 405	1.45 249	8.24 372	1.83 338	0.32 219	0.26 262	0.33 253	0.30 273	0.34 195	0.37 244

FBW_ROB	3.24 435	1.02 357	9.21 289	1.49 412	1.07 326	3.78 274	1.48 404	4.31 440	3.08 452	2.46 388	2.32 393	4.20 454	2.08 369	15.19 525	7.16 470	0.84 464	0.62 458	1.33 492	0.92 476	0.99 458	1.31 472

PSMNet-RUCA	1.64 199	1.50 439	2.57 168	1.50 413	1.38 398	3.05 149	1.36 385	3.31 201	2.24 313	1.36 120	2.07 334	1.40 166	1.09 162	1.83 176	1.55 291	1.15 478	0.69 470	1.26 490	0.96 479	1.64 489	0.94 452

WCMA_ROB	5.12 485	0.90 325	21.33 505	1.50 413	1.33 387	4.09 353	3.49 495	4.03 345	4.59 499	6.57 509	10.95 514	12.92 515	8.41 513	9.86 408	8.78 479	0.75 453	0.58 450	0.51 408	0.50 423	0.68 415	0.57 379

GANetREF_RVC	3.20 434	1.93 461	18.84 418	1.51 415	0.80 239	4.12 361	1.82 437	4.16 386	2.91 433	1.87 203	1.74 222	2.48 320	1.84 346	13.18 511	1.74 327	0.80 458	0.57 445	0.79 470	0.74 462	1.20 479	0.86 444
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
Wz-Net-MNSev	2.71 385	2.54 479	13.91 344	1.52 416	1.37 395	3.28 185	2.47 464	4.03 345	2.32 336	2.57 404	2.07 334	2.29 293	3.01 426	7.55 362	2.74 421	0.38 303	0.36 351	0.36 305	0.37 353	0.57 377	0.47 331

psmorigin	6.59 503	1.15 386	88.11 551	1.52 416	0.97 299	2.88 129	1.20 367	3.21 188	2.04 270	3.73 474	2.46 401	5.15 488	2.55 405	10.60 434	2.47 406	0.55 419	0.68 469	0.48 389	0.51 427	0.70 418	0.88 448

TRStereo	2.31 308	1.87 459	19.74 441	1.53 418	1.16 346	4.26 401	1.08 338	4.73 495	1.45 68	1.55 142	1.28 100	1.75 211	0.85 99	1.81 173	1.20 212	0.36 278	0.26 262	0.32 218	0.36 341	0.34 195	0.33 197

NLCA_NET_v2_RVC	2.54 359	1.04 363	16.73 382	1.53 418	2.00 480	3.96 327	0.87 254	3.87 298	2.31 332	2.54 399	1.67 202	2.85 358	1.63 304	5.55 316	1.62 307	0.46 372	0.33 331	0.38 333	0.38 366	0.53 362	0.62 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HBP-ISP	3.25 437	1.10 376	20.86 489	1.54 420	1.15 342	4.50 442	2.89 479	4.43 468	2.38 354	4.14 484	1.96 305	1.90 245	2.04 364	11.08 458	1.32 244	0.66 440	0.57 445	0.66 454	0.61 450	0.64 402	0.61 392

DisPM	1.36 161	0.55 75	2.39 158	1.54 420	0.51 113	4.59 459	0.79 193	2.50 105	1.88 241	2.50 393	1.83 268	1.45 171	1.01 138	2.71 255	0.93 159	0.46 372	0.20 108	0.32 218	0.31 289	0.31 133	0.44 310

ccnet	2.66 376	0.97 351	8.01 271	1.54 420	1.24 369	3.75 269	2.18 457	4.07 360	2.41 360	2.66 423	3.25 457	2.87 360	2.31 390	9.89 409	3.50 436	0.78 455	0.75 476	0.71 460	0.67 454	0.76 434	0.81 438

RP	2.79 387	1.20 395	10.36 301	1.54 420	1.93 477	3.44 204	1.97 445	4.05 353	2.34 338	2.66 423	2.79 434	3.98 439	2.58 407	10.21 423	2.61 416	0.95 469	0.47 422	0.71 460	0.57 442	0.71 427	0.68 409

RTSC	2.95 402	2.51 475	15.49 370	1.54 420	1.30 377	3.51 225	0.86 236	3.89 303	2.48 372	3.64 471	3.12 452	3.04 373	2.30 387	5.70 321	6.67 461	0.55 419	0.35 347	0.37 317	0.39 372	0.70 418	0.60 389

11t1	1.11 98	0.53 59	1.80 91	1.55 425	0.65 185	2.20 93	0.60 84	3.66 253	1.49 97	1.60 147	1.26 93	1.03 110	1.35 220	1.72 161	0.97 168	0.28 121	0.31 316	0.29 156	0.23 119	0.30 113	0.34 210

MSC_U_SF_DS_RVC	4.48 474	10.62 524	15.18 367	1.55 425	1.45 414	6.16 505	3.54 499	5.41 511	3.68 486	2.59 410	2.74 429	4.81 476	2.20 384	13.79 520	4.40 445	2.04 496	3.36 527	1.05 483	1.20 492	2.09 493	1.72 487

GASNet	3.24 435	5.55 502	20.58 482	1.56 427	1.25 372	2.32 96	1.12 348	4.04 349	2.67 401	1.88 206	2.10 338	3.00 370	2.16 379	10.59 433	2.43 402	0.65 438	0.37 364	0.61 443	0.45 404	0.87 447	0.58 384

Wz-Net-SNSev	2.98 411	4.36 495	15.98 372	1.57 428	1.19 355	3.28 185	1.80 435	3.96 328	2.40 358	2.32 362	2.28 373	3.48 408	2.05 365	7.84 369	3.82 441	0.47 381	0.39 379	0.53 418	0.49 417	0.71 427	0.60 389

GrayStereo	2.58 368	0.53 59	1.63 77	1.58 429	0.89 279	4.17 383	8.17 520	3.03 170	1.52 118	2.80 434	2.50 406	1.70 205	17.10 526	2.83 258	1.15 200	0.33 235	0.21 139	0.27 106	0.32 300	0.28 78	0.53 363

LMCR-Stereo	2.40 332	1.31 417	18.61 415	1.59 430	0.86 266	3.87 300	1.15 354	4.32 444	1.60 173	2.25 341	2.27 370	1.13 121	2.43 397	2.48 230	1.60 299	0.88 466	0.24 228	0.29 156	0.24 143	0.56 373	0.30 165

PWCDC_ROB	2.95 402	3.26 487	14.06 346	1.59 430	1.56 432	4.19 390	0.86 236	4.30 437	4.08 494	2.06 274	7.37 491	2.75 346	2.42 396	3.59 276	2.67 419	1.34 492	0.36 351	0.39 336	0.34 316	1.13 470	0.62 395

AnyNet_C32	4.17 469	5.75 503	12.62 323	1.60 432	1.54 425	5.51 502	4.09 508	3.90 308	3.23 468	4.22 489	3.03 447	3.10 378	3.41 445	8.01 371	18.85 523	0.53 415	0.58 450	0.53 418	0.74 462	1.19 478	0.97 454

RASNet	2.56 364	0.70 226	10.06 297	1.60 432	2.25 492	3.67 257	1.00 316	3.38 213	3.14 457	1.81 191	2.11 342	4.60 470	2.30 387	10.25 425	2.61 416	0.37 286	0.24 228	0.25 59	0.24 143	0.28 78	0.26 96

pmcnn	5.45 491	1.22 402	17.40 393	1.60 432	2.41 495	3.48 215	2.12 453	4.52 483	3.26 470	3.67 473	13.15 523	22.10 529	3.46 450	11.92 497	17.16 514	0.34 247	0.21 139	0.23 17	0.19 47	0.36 226	0.28 129

TestStereo1	1.56 181	0.81 297	2.32 150	1.61 435	0.64 177	4.13 364	1.36 385	3.79 279	3.20 465	1.60 147	2.57 416	1.39 161	2.15 376	2.51 234	1.30 241	0.29 141	0.20 108	0.34 271	0.25 154	0.40 256	0.36 230

SA-5K	1.56 181	0.81 297	2.32 150	1.61 435	0.64 177	4.13 364	1.36 385	3.79 279	3.20 465	1.60 147	2.57 416	1.39 161	2.15 376	2.51 234	1.30 241	0.29 141	0.20 108	0.34 271	0.25 154	0.40 256	0.36 230

ADCS	4.22 471	5.33 499	16.32 375	1.64 437	1.31 379	3.91 305	3.64 501	4.21 396	2.89 431	5.11 497	2.81 438	4.46 463	3.06 432	5.21 308	19.50 525	0.63 432	0.64 461	0.69 457	0.69 459	1.12 469	1.26 469

GANet	2.93 401	1.05 364	11.29 313	1.64 437	0.96 295	3.91 305	2.52 467	3.72 268	2.41 360	2.95 446	3.00 445	3.21 386	2.03 362	12.42 504	4.72 450	0.51 406	0.41 391	0.46 378	0.39 372	0.60 385	0.50 348

anonymity	1.76 217	1.26 409	2.73 184	1.66 439	1.32 384	1.84 66	1.07 333	3.49 222	2.30 328	2.11 285	2.11 342	1.71 207	3.90 459	1.82 175	1.48 276	1.10 475	1.09 486	1.08 485	1.08 486	1.05 460	1.09 462

EDNetEfficient	5.61 493	2.14 469	16.75 383	1.67 440	3.64 513	4.12 361	7.51 517	3.05 172	5.63 511	11.57 532	4.83 481	3.95 436	12.72 518	8.44 376	20.78 528	0.41 335	0.43 399	0.47 381	1.01 482	1.66 490	1.39 479

FC-DCNN	6.64 504	0.77 280	19.26 428	1.68 441	1.64 445	8.27 517	2.35 462	6.35 514	9.23 518	10.85 529	11.27 516	19.89 526	13.33 519	12.51 507	11.79 494	0.66 440	0.57 445	0.58 432	0.56 439	0.63 395	0.61 392

FC-DCNN v2	6.91 509	0.77 280	19.25 426	1.69 442	1.64 445	9.13 519	2.40 463	7.20 516	9.47 519	11.07 531	11.62 518	20.05 528	15.79 524	12.55 508	11.99 495	0.66 440	0.57 445	0.58 432	0.56 439	0.63 395	0.61 392

GANet-RSSM	1.98 254	0.62 152	3.49 213	1.69 442	1.23 367	4.22 396	0.91 275	3.31 201	1.86 238	1.81 191	1.74 222	2.34 297	1.82 344	10.92 448	1.73 326	0.34 247	0.29 293	0.31 198	0.28 227	0.39 251	0.40 285

SHD	2.82 389	2.04 467	13.80 341	1.69 442	1.79 468	2.73 119	1.07 333	3.85 292	3.18 461	4.63 493	2.74 429	3.38 404	2.77 415	5.48 315	3.66 439	0.62 431	0.47 422	0.51 408	0.55 437	0.65 405	0.74 424

SCV	0.95 67	0.63 161	1.38 53	1.70 445	0.41 49	1.23 19	0.89 261	3.53 233	1.57 154	0.61 18	1.54 164	0.93 98	0.77 74	1.66 151	0.66 48	0.36 278	0.20 108	0.25 59	0.19 47	0.29 90	0.25 72

RAFT_CTSACE	1.80 223	1.06 369	10.00 296	1.71 446	1.39 400	3.49 218	1.06 331	3.05 172	1.62 180	1.70 171	2.04 323	2.51 323	1.80 339	1.98 191	0.94 161	0.25 56	0.22 168	0.28 135	0.30 273	0.30 113	0.26 96

NOSS_ROB	2.27 296	0.73 252	3.00 194	1.71 446	1.00 313	3.90 304	0.97 308	4.29 429	2.81 425	2.94 445	2.19 358	3.88 434	1.19 195	11.77 490	1.62 307	0.59 426	0.54 438	0.56 428	0.52 430	0.56 373	0.54 369

SPS-STEREO	3.97 463	1.44 434	20.85 488	1.72 448	1.71 459	3.24 174	2.30 461	3.55 236	2.68 403	4.79 495	3.66 467	5.44 493	2.97 423	9.11 388	9.35 481	1.15 478	1.10 487	1.06 484	1.02 484	1.16 475	1.18 467
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test3	1.09 95	0.59 115	1.55 71	1.73 449	1.18 348	1.91 72	0.86 236	3.52 229	1.76 220	1.25 112	1.86 283	1.10 118	0.69 52	1.32 85	0.86 124	0.27 84	0.23 195	0.27 106	0.22 106	0.34 195	0.30 165

PASM	2.67 378	2.05 468	9.71 291	1.73 449	1.37 395	2.53 110	1.52 409	3.10 177	2.17 302	2.79 433	1.84 273	2.90 361	1.85 350	11.89 495	2.19 381	0.81 460	0.85 480	0.87 476	1.01 482	1.14 471	1.05 459

tt1	1.79 221	0.73 252	10.41 303	1.75 451	0.36 13	4.55 451	0.79 193	4.22 399	3.37 476	1.08 100	1.80 249	0.74 57	1.48 256	2.21 217	0.65 43	0.29 141	0.16 7	0.31 198	0.22 106	0.30 113	0.29 139

DISCO	2.25 292	0.73 252	10.06 297	1.76 452	1.12 337	3.47 212	1.25 374	3.24 194	2.26 319	2.65 422	1.96 305	4.53 467	1.92 358	4.17 294	3.61 438	0.32 219	0.25 249	0.31 198	0.29 255	0.66 410	0.41 291

EKT-Stereo	6.79 506	0.64 174	4.24 231	1.77 453	106.39 550	4.51 446	0.61 88	3.16 183	1.53 125	1.88 206	1.22 81	1.98 260	1.36 221	3.81 282	0.84 114	0.35 267	0.24 228	0.29 156	0.26 172	0.34 195	0.48 335

ACVNet-DCA	1.85 227	0.74 260	13.77 337	1.78 454	0.36 13	4.48 433	0.74 156	3.98 332	1.53 125	1.01 92	1.81 261	0.72 49	1.62 291	2.13 204	0.64 39	0.29 141	0.17 18	0.32 218	0.21 75	0.33 177	0.32 183

xx1	2.03 263	0.74 260	13.77 337	1.78 454	0.36 13	4.48 433	0.74 156	4.23 403	3.95 492	1.01 92	1.81 261	1.79 224	1.34 217	2.13 204	0.64 39	0.29 141	0.17 18	0.33 253	0.33 308	0.33 177	0.32 183

1test111	1.99 257	0.74 260	13.77 337	1.78 454	0.36 13	4.48 433	0.74 156	3.98 332	1.53 125	1.01 92	1.81 261	0.72 49	1.62 291	4.66 299	0.98 171	0.29 141	0.17 18	0.32 218	0.21 75	0.33 177	0.32 183

cc1	1.98 254	0.74 260	13.77 337	1.78 454	0.36 13	4.48 433	0.74 156	4.23 403	3.95 492	1.01 92	1.81 261	0.72 49	1.62 291	2.13 204	0.64 39	0.29 141	0.17 18	0.32 218	0.21 75	0.31 133	0.29 139

XX-Stereo	2.54 359	0.61 142	20.21 461	1.78 454	1.19 355	4.30 410	0.46 45	4.39 461	1.58 157	2.32 362	1.89 293	4.64 473	0.60 32	4.16 293	0.82 108	0.31 199	0.21 139	0.28 135	0.27 198	0.51 353	0.26 96

Pruner-Stereo	1.32 159	0.59 115	2.11 129	1.79 459	0.47 93	4.73 485	0.79 193	2.53 107	1.72 207	2.47 390	1.58 174	1.48 174	1.03 141	1.66 151	1.47 273	0.44 358	0.21 139	0.34 271	0.30 273	0.30 113	0.39 265

PVD	3.12 427	1.97 464	12.80 325	1.79 459	1.63 443	3.83 283	1.34 382	3.48 219	3.88 489	5.77 501	3.56 466	3.45 407	3.29 440	5.58 319	5.30 458	0.71 452	0.69 470	0.74 468	0.77 466	0.79 439	1.13 465

DN-CSS_ROB	1.91 240	1.55 442	11.13 312	1.82 461	0.88 274	3.99 335	0.61 88	4.01 340	1.67 192	1.64 158	1.89 293	1.39 161	1.06 157	3.23 266	1.50 280	0.31 199	0.19 74	0.44 367	0.29 255	0.37 236	0.31 174

DANet	2.63 372	1.07 370	8.10 272	1.83 462	1.70 458	3.25 177	1.16 356	4.31 440	2.38 354	3.40 468	2.18 356	4.08 445	1.80 339	9.77 403	3.89 442	0.52 412	0.55 442	0.59 435	0.44 400	0.63 395	0.86 444
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MFN_U_SF_RVC	3.81 457	10.78 525	15.01 362	1.84 463	1.39 400	3.73 267	1.63 421	4.05 353	3.26 470	2.91 439	2.38 397	4.36 461	3.65 453	8.43 375	4.91 454	1.11 477	1.04 484	0.99 480	1.31 494	1.58 487	1.75 489

iResNet	2.52 356	0.94 342	21.17 502	1.84 463	0.72 215	3.75 269	0.81 212	4.14 382	2.55 388	2.33 368	2.03 320	1.35 156	1.44 245	3.27 267	2.16 380	0.35 267	0.23 195	0.28 135	0.22 106	0.44 317	0.45 316

SGM_RVC	4.57 476	0.72 241	17.46 396	1.84 463	0.58 161	4.23 399	3.45 494	4.66 492	3.66 485	7.99 516	8.82 505	7.56 502	8.74 514	12.30 501	6.84 466	0.43 351	0.38 370	0.39 336	0.35 331	0.51 353	0.48 335
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SAMSARA	3.55 447	2.16 470	14.18 348	1.86 466	1.49 418	4.62 463	2.65 472	3.58 240	2.80 419	7.05 511	3.05 448	5.16 489	4.07 462	9.18 391	4.80 452	0.64 435	0.67 466	0.59 435	0.68 457	0.89 448	0.91 449

MADNet+	3.97 463	9.54 521	13.83 342	1.87 467	1.69 457	4.19 390	2.87 478	4.80 498	4.10 495	2.51 395	2.67 425	4.55 468	3.41 445	8.72 379	6.92 468	1.25 485	1.27 493	1.04 482	0.93 477	1.39 485	1.85 490

WAO-7	5.16 486	3.21 486	18.98 422	1.88 468	1.44 411	5.34 500	3.09 488	4.91 500	5.81 512	4.35 490	8.92 506	6.55 497	6.06 490	13.40 515	10.81 487	1.34 492	1.20 492	1.48 495	1.35 497	1.60 488	1.45 480

GCST	2.56 364	1.79 457	18.02 403	1.92 469	1.33 387	1.72 60	0.51 57	3.67 254	2.03 266	1.70 171	1.61 186	1.55 183	1.29 209	5.06 305	1.24 224	2.06 497	0.77 477	1.45 494	0.97 480	1.14 471	1.34 475

DGSMNet	7.55 512	1.62 443	17.42 394	1.92 469	12.73 530	7.45 515	42.99 546	4.13 376	2.07 277	2.10 281	3.16 455	3.42 405	1.70 320	9.24 392	2.30 389	3.70 516	10.89 539	11.80 541	5.54 531	4.24 513	2.66 505

RTS	3.90 459	7.04 506	17.94 401	1.92 469	2.19 489	5.00 496	2.96 481	4.29 429	3.19 462	4.05 481	3.08 449	4.94 479	3.16 434	7.64 364	6.72 462	0.66 440	0.44 404	0.51 408	0.47 409	0.95 453	0.76 429

RTSA	3.90 459	7.04 506	17.94 401	1.92 469	2.19 489	5.00 496	2.96 481	4.29 429	3.19 462	4.05 481	3.08 449	4.94 479	3.16 434	7.64 364	6.72 462	0.66 440	0.44 404	0.51 408	0.47 409	0.95 453	0.76 429

JetBlue	6.27 502	9.15 518	13.76 336	1.94 473	4.60 526	11.91 522	12.00 525	5.12 502	3.45 480	3.79 475	4.52 478	9.54 508	6.56 499	9.40 395	13.48 499	1.26 486	1.37 495	1.17 489	1.34 496	7.06 530	3.95 525

ELAS	5.99 499	1.62 443	20.29 469	1.96 474	2.01 481	15.09 529	8.38 521	5.23 504	5.54 509	9.02 520	8.61 501	6.74 498	9.75 516	7.48 360	11.40 491	0.96 470	1.18 489	0.72 464	0.93 477	1.30 482	1.67 485
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C01	4.37 473	7.80 508	16.40 376	1.98 475	1.40 402	6.37 507	6.47 515	4.09 366	5.03 505	4.06 483	3.78 469	4.16 450	3.31 441	6.62 342	10.00 483	0.61 429	0.67 466	0.63 448	0.67 454	2.01 492	1.31 472

PDISCO_ROB	2.86 392	1.53 441	14.27 350	1.98 475	2.19 489	4.52 447	1.35 383	4.65 491	3.19 462	2.09 278	2.16 351	3.53 419	2.45 399	5.32 309	2.12 373	1.30 490	0.78 478	0.72 464	0.59 445	1.24 480	1.28 470

SGM+DAISY	8.36 514	3.82 492	24.83 531	2.02 477	1.75 463	14.80 528	17.22 531	4.27 421	11.79 523	13.88 533	14.38 526	11.74 513	13.83 520	10.56 432	15.12 502	1.21 480	1.19 491	1.14 488	1.13 489	1.17 476	1.37 476

AAGNet	2.86 392	0.60 127	1.77 88	2.05 478	0.46 83	4.76 490	1.09 342	2.27 83	1.56 148	2.17 312	1.84 273	2.41 306	4.00 460	6.23 334	24.22 533	0.46 372	0.19 74	0.30 176	0.29 255	0.32 159	0.24 62

iResNetv2_ROB	2.65 374	5.00 498	19.28 430	2.06 479	1.09 332	3.83 283	1.13 351	4.14 382	2.09 281	1.85 196	2.03 320	2.01 266	1.51 266	3.58 275	1.58 295	0.34 247	0.21 139	0.32 218	0.21 75	0.44 317	0.29 139

ELAS_RVC	5.72 496	1.64 448	20.40 473	2.09 480	2.01 481	4.95 495	11.47 524	4.66 492	6.31 515	8.09 517	8.01 495	8.06 506	11.65 517	8.36 373	10.22 484	0.99 472	1.17 488	0.81 473	0.76 464	1.14 471	1.58 483
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM-ForestM	11.55 522	1.16 389	21.62 514	2.14 481	0.81 242	22.25 536	19.08 534	16.50 535	11.34 521	15.94 536	14.44 527	27.12 538	22.61 536	24.76 537	28.39 542	0.50 400	0.48 428	0.47 381	0.44 400	0.55 367	0.53 363

PFNet	2.47 346	0.60 127	16.95 386	2.15 482	0.81 242	4.63 465	0.91 275	2.55 117	1.52 118	2.40 382	2.79 434	1.83 236	1.42 239	7.54 361	1.34 251	0.33 235	0.21 139	0.36 305	0.27 198	0.32 159	0.39 265

PSM-softLoss	1.66 203	0.59 115	5.15 244	2.25 483	0.48 101	4.68 472	0.69 128	2.57 121	1.52 118	2.14 295	1.45 138	1.42 168	0.99 134	6.04 329	1.20 212	0.41 335	0.23 195	0.37 317	0.39 372	0.32 159	0.31 174

KMStereo	1.66 203	0.59 115	5.15 244	2.25 483	0.48 101	4.68 472	0.69 128	2.57 121	1.52 118	2.14 295	1.45 138	1.42 168	0.99 134	6.04 329	1.20 212	0.41 335	0.23 195	0.37 317	0.39 372	0.32 159	0.31 174

NF-Stereo	1.58 184	0.61 142	2.66 178	2.26 485	0.47 93	4.68 472	0.67 118	3.31 201	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.08 331	1.20 212	0.40 321	0.20 108	0.36 305	0.34 316	0.31 133	0.36 230

RE-Stereo	1.58 184	0.61 142	2.72 181	2.26 485	0.46 83	4.68 472	0.68 123	3.31 201	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.01 326	1.22 219	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

TVStereo	1.58 184	0.61 142	2.72 181	2.26 485	0.46 83	4.68 472	0.68 123	3.31 201	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.01 326	1.22 219	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

OCTAStereo	1.58 184	0.61 142	2.72 181	2.27 488	0.46 83	4.68 472	0.67 118	3.30 200	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.02 328	1.21 216	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

CRFU-Net	2.49 350	0.78 286	10.36 301	2.30 489	1.08 328	3.91 305	1.41 398	3.85 292	1.65 188	2.15 303	1.76 235	3.34 398	7.95 509	5.56 317	1.48 276	0.47 381	0.35 347	0.30 176	0.28 227	0.37 236	0.43 304

G-Net	4.11 467	1.21 396	19.47 434	2.31 490	2.94 502	4.74 488	2.95 480	3.33 209	2.14 296	4.44 491	9.43 507	6.93 500	3.84 457	9.01 387	4.92 455	0.79 456	0.80 479	0.70 459	0.50 423	0.95 453	0.87 447

CC-Net-ROB	3.35 442	1.76 455	13.89 343	2.33 491	1.65 449	4.49 439	1.62 420	4.73 495	2.90 432	1.92 220	2.05 329	1.99 262	1.61 288	12.57 509	1.60 299	2.46 500	2.18 507	2.68 509	1.04 485	2.11 494	1.38 478

IRAFT_RVC	1.87 229	0.60 127	4.33 232	2.40 492	0.66 191	4.59 459	1.59 418	2.96 161	1.51 109	2.23 336	1.75 226	2.09 277	2.63 409	6.70 345	1.50 280	0.33 235	0.21 139	0.33 253	0.29 255	0.32 159	0.32 183

MaskLacGwcNet_RVC	3.13 428	1.43 433	9.93 295	2.50 493	1.62 441	4.29 408	1.68 430	3.95 323	2.43 363	1.66 163	1.91 299	3.04 373	1.41 234	13.26 512	1.58 295	3.82 517	1.59 498	1.12 487	0.46 406	2.21 495	2.74 510

MDST_ROB	5.53 492	0.59 115	23.11 525	2.55 494	2.69 497	21.20 534	1.98 446	4.77 497	2.65 398	9.36 521	4.25 475	4.14 449	4.45 470	22.57 531	3.68 440	0.48 385	0.33 331	0.47 381	0.44 400	0.44 317	0.44 310

testlalala2	2.31 308	0.63 161	20.54 479	2.56 495	2.87 501	3.79 277	0.76 169	4.20 391	1.48 89	1.42 131	1.43 135	2.45 316	0.80 92	1.03 23	0.68 55	0.27 84	0.25 249	0.24 40	0.21 75	0.33 177	0.28 129

UDG	3.55 447	2.81 484	17.45 395	2.69 496	1.98 479	3.97 332	1.19 363	4.35 450	2.02 264	2.42 384	2.53 411	4.50 464	2.46 401	6.53 339	2.41 399	2.12 498	1.77 502	2.63 508	2.57 520	2.64 498	1.95 492

SQANet	3.70 452	9.34 520	18.41 411	2.75 497	2.74 498	3.40 199	1.47 403	3.50 225	1.68 194	2.60 411	1.75 226	2.69 338	1.91 357	6.72 348	1.74 327	2.96 503	1.41 496	1.85 497	1.12 487	3.17 500	2.70 509

OMP-Stereo	1.97 252	0.93 336	1.88 97	2.76 498	0.67 198	4.58 458	1.48 404	4.31 440	1.54 134	3.15 458	2.76 432	3.25 390	1.38 222	7.66 367	1.35 252	0.40 321	0.20 108	0.33 253	0.26 172	0.33 177	0.24 62

IIG-Stereo	1.95 248	0.79 289	2.14 130	2.78 499	0.66 191	4.62 463	0.76 169	4.27 421	1.53 125	2.63 417	3.14 454	3.35 399	1.61 288	7.65 366	1.41 259	0.39 315	0.20 108	0.31 198	0.25 154	0.33 177	0.22 40

PWCK	5.85 497	9.95 522	15.22 368	2.90 500	1.56 432	5.66 504	7.69 518	5.27 505	4.74 502	3.88 476	7.51 492	8.04 504	5.28 480	15.18 524	8.40 477	3.08 506	1.51 497	2.24 502	1.37 498	5.55 523	1.96 493

WAO-6	5.87 498	2.27 471	15.05 363	2.96 501	2.77 499	12.01 523	3.58 500	5.37 510	11.91 524	3.34 465	9.69 508	6.78 499	5.84 487	11.82 493	8.89 480	2.87 502	2.35 515	2.50 503	1.84 507	2.85 499	2.67 506

CAS	1.26 142	0.40 6	1.46 60	2.97 502	1.61 440	4.13 364	0.73 144	1.78 41	1.49 97	0.83 69	1.10 63	0.59 19	0.53 16	1.26 70	0.80 100	2.99 505	0.13 1	0.21 5	0.13 1	0.31 133	1.72 487

MFMNet_re	2.91 398	1.91 460	18.25 405	3.06 503	1.89 475	3.13 159	1.67 428	3.52 229	2.97 440	3.14 456	2.87 441	2.26 286	2.41 395	2.42 225	2.00 359	1.10 475	1.05 485	0.94 478	0.90 475	1.28 481	1.46 482

otaku	4.58 477	8.93 515	19.95 449	3.11 504	2.67 496	3.91 305	2.57 470	3.82 285	2.25 316	2.22 332	9.72 509	4.08 445	2.35 392	8.57 377	2.13 376	3.51 511	1.65 500	2.15 501	1.17 490	3.69 507	3.15 513

Ntro	4.21 470	8.94 516	19.89 447	3.22 505	2.96 503	4.15 368	1.89 441	3.92 317	2.36 343	1.77 184	2.14 348	3.35 399	2.17 381	9.48 397	2.24 385	3.52 512	1.76 501	2.13 500	1.31 494	3.83 510	3.09 511

ACVNet_2	5.41 490	12.60 528	20.42 475	3.27 506	3.15 509	4.50 442	3.02 484	4.66 492	3.73 487	3.35 467	5.36 484	7.86 503	2.88 419	12.33 503	4.76 451	3.12 507	2.22 509	2.70 510	1.69 500	3.49 503	3.10 512

WAO-8	11.95 523	13.02 529	20.56 480	3.50 507	3.08 506	15.11 530	2.80 475	12.91 526	19.11 535	7.69 513	13.12 521	11.62 511	7.01 503	84.40 553	7.91 474	3.42 509	1.92 504	3.54 522	1.93 510	3.68 505	2.69 507

Venus	11.95 523	13.02 529	20.56 480	3.50 507	3.08 506	15.11 530	2.80 475	12.91 526	19.11 535	7.69 513	13.12 521	11.62 511	7.01 503	84.40 553	7.91 474	3.42 509	1.92 504	3.54 522	1.93 510	3.68 505	2.69 507

DDUNet	2.91 398	2.78 483	6.94 261	3.53 509	2.26 493	3.28 185	1.36 385	3.77 275	2.04 270	2.62 414	2.49 405	4.18 451	1.69 318	5.38 311	1.85 340	2.21 499	1.77 502	2.61 507	2.43 518	2.60 497	2.34 500

ACVNet-4b	6.73 505	13.67 532	21.87 517	3.54 510	3.07 505	4.19 390	2.25 458	4.03 345	3.65 484	1.64 158	3.98 474	5.88 494	2.89 420	10.01 416	16.98 513	23.29 543	2.24 510	2.53 504	1.78 504	3.87 511	3.21 516

ACVNet_1	6.04 500	13.97 534	21.36 507	3.58 511	3.14 508	4.73 485	2.48 465	4.20 391	3.17 460	2.98 447	2.83 440	23.31 531	4.34 468	11.06 455	2.45 404	3.68 514	2.33 513	2.60 506	1.79 505	3.69 507	3.19 515

LVE	6.88 508	9.31 519	21.14 499	3.61 512	3.18 510	4.49 439	2.79 474	10.21 521	11.69 522	3.16 459	11.53 517	18.33 522	4.31 467	11.66 484	3.52 437	4.45 525	2.93 519	2.56 505	1.91 509	3.62 504	3.16 514

RainbowNet	4.56 475	8.28 509	20.07 455	3.64 513	3.23 511	4.15 368	2.99 483	4.18 387	3.03 448	2.20 321	2.65 423	4.26 456	2.90 421	9.77 403	2.12 373	3.88 518	2.27 511	2.71 511	1.72 503	3.78 509	3.31 518

Dean	7.52 511	9.08 517	21.41 508	3.74 514	3.53 512	4.81 492	3.53 497	5.33 509	5.25 506	4.17 485	26.53 536	25.62 537	4.09 463	10.97 449	4.32 444	3.69 515	2.30 512	2.91 512	1.87 508	4.03 512	3.24 517

DispFullNet	4.64 478	3.48 490	23.95 530	3.99 515	3.03 504	3.35 192	1.06 331	4.18 387	2.80 419	6.33 508	2.94 442	4.04 443	7.81 508	3.92 288	5.16 456	2.75 501	1.61 499	3.10 516	2.68 523	3.32 502	3.31 518

tt	7.19 510	0.51 42	6.83 258	4.03 516	2.30 494	12.05 524	20.19 536	15.46 533	6.58 516	3.42 469	3.22 456	5.37 491	6.39 498	4.20 295	7.46 472	9.81 536	11.53 540	7.05 533	7.46 535	6.31 525	3.71 523

test_for_model	2.16 280	3.87 493	1.58 75	4.16 517	3.64 513	2.51 108	0.96 305	3.63 246	2.62 393	2.45 387	1.39 126	1.02 108	0.73 61	0.92 9	0.57 26	2.97 504	2.19 508	0.26 80	0.17 23	5.32 522	2.24 497

TorneroNet	25.88 539	11.28 527	21.62 514	4.20 518	4.07 521	55.25 547	3.15 489	15.16 532	76.94 550	58.09 546	82.72 552	86.88 552	41.15 543	13.35 514	18.13 519	4.32 521	2.85 517	3.45 518	2.62 521	8.33 535	4.14 527

JetRed	10.48 518	27.10 541	35.70 537	4.27 519	4.09 522	15.55 532	12.83 527	12.16 523	5.50 508	5.83 502	5.56 486	10.14 509	7.43 505	8.88 382	26.39 537	3.32 508	3.81 528	3.51 520	2.96 528	7.85 532	6.69 535

TorneroNet-64	10.12 516	8.74 511	20.95 495	4.27 519	3.76 518	13.86 527	2.85 477	15.05 531	23.15 538	10.07 525	23.84 534	13.47 517	8.24 512	13.96 522	17.21 515	3.96 520	2.72 516	3.23 517	2.48 519	6.29 524	4.27 528

IMH-64-1	4.84 482	2.53 477	6.83 258	4.30 521	3.74 515	4.81 492	6.05 512	5.30 506	3.92 490	3.95 479	8.33 498	5.08 486	6.06 490	8.96 385	6.30 459	4.57 527	2.96 521	3.04 513	2.12 515	4.28 514	3.62 521

IMH-64	4.84 482	2.53 477	6.83 258	4.30 521	3.74 515	4.81 492	6.05 512	5.30 506	3.92 490	3.95 479	8.33 498	5.08 486	6.06 490	8.96 385	6.30 459	4.57 527	2.96 521	3.04 513	2.12 515	4.28 514	3.62 521

IMH	6.81 507	13.66 531	20.41 474	4.33 523	3.74 515	5.50 501	3.06 486	5.49 512	6.22 513	4.64 494	10.35 511	9.30 507	8.03 511	13.61 518	6.81 464	4.80 530	2.99 524	3.09 515	2.12 515	4.36 516	3.61 520

KSHMR	16.96 532	5.37 500	21.64 516	4.46 524	4.50 524	8.30 518	3.32 491	15.58 534	76.24 549	6.62 510	61.47 547	56.53 547	5.43 483	35.17 543	11.37 490	4.39 523	2.97 523	3.63 524	2.74 525	5.10 521	4.34 529

ktn	21.74 537	10.34 523	19.68 439	4.53 525	4.00 520	6.53 509	4.51 510	6.79 515	78.82 551	84.69 551	100.86 555	58.49 548	7.57 507	12.11 500	13.35 498	4.58 529	3.24 526	3.49 519	2.62 521	4.65 519	3.84 524

notaker	10.50 519	8.60 510	20.23 462	4.54 526	3.95 519	6.27 506	3.44 493	8.07 519	4.75 503	8.73 518	46.45 542	13.86 520	27.86 537	13.49 516	13.61 500	4.56 526	3.18 525	3.52 521	2.68 523	8.13 534	4.05 526

BEATNet-Init1	49.72 548	64.32 551	97.77 552	4.68 527	4.28 523	84.75 553	60.42 547	73.38 552	68.59 548	88.29 552	88.51 554	91.94 553	97.99 554	85.26 555	70.96 554	0.80 458	0.65 462	0.85 475	0.70 460	7.96 533	2.33 499

MANE	11.39 521	1.38 426	23.16 526	4.82 528	2.79 500	22.02 535	14.51 529	25.81 537	26.28 539	10.93 530	13.17 524	19.90 527	18.03 530	15.69 526	20.41 527	0.96 470	0.74 475	1.42 493	3.24 529	0.74 431	1.71 486

UNDER WATER	10.47 517	3.95 494	22.62 524	5.07 529	4.51 525	7.78 516	3.77 503	12.56 525	21.72 537	7.84 515	10.78 512	23.96 533	31.66 538	10.78 442	16.19 509	4.44 524	2.93 519	4.24 525	2.86 526	6.33 526	5.47 533

UNDER WATER-64	9.33 515	5.37 500	22.60 523	5.22 530	4.86 527	10.75 521	4.61 511	11.45 522	17.30 530	7.59 512	9.80 510	15.99 521	17.90 529	10.63 435	15.72 505	4.36 522	2.87 518	4.39 529	2.86 526	7.01 529	5.36 532

MADNet++	7.57 513	5.80 504	13.28 328	6.38 531	5.26 528	7.18 511	7.77 519	5.32 508	5.62 510	6.11 505	7.78 493	6.02 496	8.01 510	11.74 489	16.36 510	9.36 535	4.95 532	8.57 536	5.66 532	4.83 520	5.34 531

HanzoNet	31.60 541	17.23 537	21.22 504	7.32 532	5.84 529	7.25 513	3.53 497	13.82 530	14.20 528	50.38 544	47.01 543	44.45 541	56.61 549	36.61 544	32.00 543	63.89 549	56.57 550	7.97 535	89.20 550	28.69 541	28.25 544

PML	64.32 550	53.22 549	17.88 400	8.10 533	32.94 540	148.46 556	247.79 557	12.18 524	45.42 546	111.41 553	288.92 557	101.47 555	101.31 555	31.67 539	15.55 503	14.03 539	4.83 531	10.98 538	6.18 533	28.82 542	5.17 530

LE_ROB	18.58 533	1.21 396	48.38 544	8.60 534	23.00 538	7.32 514	19.74 535	9.94 520	38.69 543	43.53 541	21.91 531	28.40 539	40.92 542	23.18 533	54.71 547	0.34 247	0.33 331	0.32 218	0.36 341	0.42 299	0.40 285

DGTPSM_ROB	15.31 529	8.85 513	28.14 535	9.90 535	18.89 533	12.44 525	33.21 539	13.48 528	17.86 533	9.50 522	22.89 532	13.78 518	19.67 531	21.26 529	23.68 531	5.08 532	8.84 534	5.62 531	11.50 536	6.72 527	14.87 538

DPSMNet_ROB	15.52 530	8.89 514	31.44 536	10.07 536	18.91 534	12.44 525	33.22 540	13.51 529	17.94 534	9.58 523	22.91 533	13.79 519	19.67 531	21.43 530	23.73 532	5.17 533	8.84 534	5.63 532	11.52 539	6.79 528	14.90 539

FADE	78.44 551	13.79 533	36.09 538	10.71 537	13.34 531	4.15 368	4.14 509	28.60 541	8.36 517	5.15 498	3.88 472	11.85 514	36.55 539	44.37 545	28.26 541	474.90 557	161.58 556	347.36 557	322.13 557	7.29 531	6.23 534

USTest	15.98 531	15.58 536	22.56 522	18.49 538	16.99 532	26.43 537	36.08 542	27.68 540	12.77 525	10.69 528	10.80 513	18.35 523	15.09 522	18.62 528	23.37 530	4.85 531	5.34 533	7.38 534	7.43 534	9.90 536	11.23 536

TCMNet-wrong-test	12.32 525	14.13 535	19.38 431	22.38 539	19.85 535	15.99 533	12.34 526	22.95 536	4.56 498	6.24 507	6.27 489	18.40 524	15.71 523	10.10 421	10.72 486	9.06 534	4.78 530	5.35 530	3.95 530	12.28 538	11.97 537

Anonymous_1	57.11 549	19.68 538	26.15 532	23.10 540	142.31 553	30.84 538	39.75 543	33.86 545	16.98 529	70.53 550	15.42 528	23.46 532	19.75 533	23.04 532	27.23 538	164.73 555	9.02 536	130.38 551	137.40 552	161.27 556	27.24 543

DPSM_ROB	20.78 535	20.03 539	26.57 533	23.62 541	22.46 536	31.10 539	39.97 544	33.52 543	17.41 531	15.25 534	15.80 529	24.06 534	20.71 534	23.30 534	27.62 539	10.78 537	9.41 537	11.69 539	11.50 536	14.49 539	16.36 540

DPSM	20.78 535	20.03 539	26.57 533	23.62 541	22.46 536	31.10 539	39.97 544	33.52 543	17.41 531	15.25 534	15.80 529	24.06 534	20.71 534	23.30 534	27.62 539	10.78 537	9.41 537	11.69 539	11.50 536	14.49 539	16.36 540

LRCNet_RVC	25.52 538	33.45 542	23.21 528	31.79 543	32.78 539	6.74 510	1.18 360	25.88 538	4.46 496	28.94 537	30.89 537	24.91 536	17.57 528	27.66 538	24.34 534	35.26 545	25.60 546	35.91 545	33.81 544	31.90 546	34.10 547

HaxPig	43.25 544	43.65 546	45.00 542	33.85 544	35.61 541	32.69 541	30.52 537	45.09 546	42.97 544	48.77 542	48.17 544	43.00 540	40.26 541	44.58 546	43.61 544	47.18 546	49.30 547	51.54 547	50.25 546	43.73 547	45.29 548

MEDIAN_ROB	47.37 546	49.08 548	49.92 545	40.32 545	39.97 543	34.95 543	33.43 541	49.17 548	46.39 547	53.06 545	52.65 546	47.65 543	42.23 547	48.35 551	47.29 546	52.10 548	54.04 549	54.28 548	53.48 547	48.76 549	50.33 550

AVERAGE_ROB	44.46 545	45.91 547	46.59 543	40.59 546	38.66 542	32.99 542	30.52 537	46.19 547	43.26 545	49.59 543	48.97 545	44.62 542	39.89 540	45.04 547	43.94 545	48.74 547	50.69 548	50.80 546	49.79 545	45.54 548	46.97 549

Selective-RAFT-Error	41.77 542	40.16 544	53.34 547	47.73 547	45.25 545	62.51 548	80.64 552	67.22 549	34.93 541	30.64 539	31.81 538	48.11 544	42.11 546	46.57 548	54.95 548	21.61 541	18.87 543	23.48 542	23.15 542	29.16 543	33.08 546

CasAABBNet	41.80 543	40.20 545	53.41 548	47.73 547	45.18 544	62.51 548	80.71 553	67.26 550	34.80 540	30.49 538	31.88 539	48.24 545	41.81 545	46.63 550	55.64 550	21.60 540	18.88 544	23.48 542	23.22 543	29.19 544	33.05 545

LSM	12.71 527	3.52 491	20.79 487	55.63 549	84.76 548	3.63 254	6.30 514	3.73 269	4.93 504	5.55 500	13.92 525	3.53 419	3.25 439	9.72 402	4.12 443	0.64 435	0.85 480	0.71 460	0.81 471	1.03 459	26.84 542

LSM0	49.58 547	40.04 543	53.62 549	97.15 550	128.68 552	62.75 550	79.89 551	67.63 551	35.11 542	33.02 540	32.61 541	48.43 546	41.60 544	46.60 549	55.43 549	21.63 542	18.99 545	23.62 544	23.13 541	29.47 545	52.26 551

ASD4	103.30 553	113.98 555	120.24 554	106.67 551	79.75 547	115.36 554	120.35 554	119.13 556	79.65 555	120.04 554	74.64 548	101.45 554	65.48 550	109.11 556	84.31 556	104.31 550	90.04 552	133.15 552	103.58 551	130.15 552	94.66 553

DPSimNet_ROB	102.30 552	119.72 556	143.59 555	109.42 552	94.10 549	127.22 555	127.15 555	26.62 539	102.36 556	149.58 556	83.99 553	139.34 556	137.54 556	64.62 552	82.36 555	105.18 551	66.15 551	120.15 550	69.61 549	99.58 551	77.72 552

DLNR_Zeroshot_test	28.62 540	55.50 550	49.94 546	183.62 553	115.05 551	3.43 203	0.28 4	29.49 542	1.49 97	1.01 92	1.26 93	0.93 98	0.63 40	3.92 288	1.51 286	29.81 544	0.41 391	0.26 80	0.23 119	93.28 550	0.32 183

test_example2	212.63 557	219.92 557	221.87 557	213.67 554	221.17 557	199.47 557	200.74 556	185.30 557	141.66 557	209.52 557	213.45 556	210.82 557	205.48 557	221.27 557	216.64 557	236.83 556	242.07 557	213.93 553	217.01 553	235.69 557	226.10 557

xxxxx1	112.33 554	88.53 552	37.76 539	227.84 555	157.23 554	39.05 544	61.41 548	93.76 553	79.29 552	62.45 547	74.79 549	78.32 549	70.96 551	33.47 540	70.69 551	114.00 552	130.36 553	259.31 554	274.34 554	145.54 553	147.50 554

tt_ll	112.33 554	88.53 552	37.76 539	227.84 555	157.23 554	39.05 544	61.41 548	93.76 553	79.29 552	62.45 547	74.79 549	78.32 549	70.96 551	33.47 540	70.69 551	114.00 552	130.36 553	259.31 554	274.34 554	145.54 553	147.50 554

ff	112.33 554	88.53 552	37.76 539	227.84 555	157.23 554	39.05 544	61.41 548	93.76 553	79.29 552	62.45 547	74.79 549	78.32 549	70.96 551	33.47 540	70.69 551	114.00 552	130.36 553	259.31 554	274.34 554	145.54 553	147.50 554

ccccc	590.94 558	629.75 558	645.59 558	567.84 558	570.84 558	582.44 558	641.68 558	613.82 558	494.59 558	614.58 558	651.20 558	555.57 558	637.59 558	666.94 558	652.42 558	781.57 558	507.24 558	391.36 558	342.44 558	689.82 558	581.48 558

Low-res two-view benchmark